Presentación General
Yerson Guillermo Antolinez Peña (2225611)
David Steven Anaya González (2211714)
Sebastián Laguna funes (2211911)
2025-05-14
INTRODUCCION
El conflicto armado en Colombia ha dejado profundas cicatrices en la sociedad, reflejadas en miles de casos de homicidios, desapariciones forzadas, secuestros y reclutamiento forzado, que han afectado principalmente a la población civil. Para entender la magnitud y las características de estos fenómenos, es crucial contar con fuentes de datos confiables que permitan un análisis riguroso y contextualizado.
En este proyecto se emplea la base de datos disponible en el portal oficial del Departamento Administrativo Nacional de Estadística (DANE), específicamente la recopilada en el marco del “Censo de Homicidios y Hechos Victimizantes”, accesible a través del sitio https://microdatos.dane.gov.co/index.php/catalog/795. Esta documentación ofrece un registro detallado de hechos relacionados con el conflicto armado colombiano, clasificando los eventos según su naturaleza (homicidio, secuestro, reclutamiento, desaparición), características sociodemográficas de las víctimas y localización geográfica.
Con base en este material, surge la siguiente pregunta de
investigación:
¿Cómo se ha manifestado el conflicto armado en Colombia a través
de sus formas más crudas de violencia: homicidios, desapariciones,
secuestros y reclutamientos?
Esta cuestión guía el análisis propuesto, orientando la exploración hacia los tipos de victimización más representativos del conflicto y permitiendo evaluar su impacto desde diferentes dimensiones.
El presente informe tiene como propósito explorar estos datos desde un enfoque estadístico y visual, con el fin de identificar patrones, tendencias y comportamientos que permitan una mejor comprensión de los efectos del conflicto armado sobre la población. Esta aproximación no solo busca revelar cifras, sino también aportar elementos que contribuyan a una memoria colectiva y a la construcción de paz a partir del análisis de la evidencia.
METODOLOGIA
Para llevar a cabo el estudio estadístico sobre el conflicto armado en Colombia, se desarrollaron una serie de pasos metodológicos estructurados que permitieron organizar, limpiar y analizar los datos de manera eficiente. El proceso fue realizado en equipo, asegurando una distribución colaborativa de tareas y una revisión cruzada constante para garantizar la calidad del trabajo. A continuación, se describen los pasos seguidos:
Se inició el proceso con la navegación y exploración del sitio web oficial del DANE, específicamente el repositorio correspondiente a la “Encuesta sobre violencias y conflictos en Colombia” (https://microdatos.dane.gov.co/index.php/catalog/795). Allí se revisaron en detalle todos los documentos asociados a la base de datos, incluyendo los metadatos y diccionarios de variables.
Posteriormente, se identificaron las bases de datos más recientes y completas disponibles en el portal, priorizando aquellas que contenían información relevante sobre las principales problemáticas del conflicto: homicidios, desapariciones, reclutamientos y secuestros.
Se evaluaron los diferentes formatos disponibles (.csv y .parquet) para seleccionar el que facilitara un mejor manejo de los datos. Se optó por trabajar con archivos .parquet, ya que permiten una mayor eficiencia en el procesamiento de grandes volúmenes de información.
Con el fin de facilitar el trabajo en equipo, se creó un repositorio colaborativo en GitHub (https://github.com/Sharktakop/Proyecto_Estadistica_I.git). Este repositorio permite organizar los scripts, versiones del proyecto y coordinar las contribuciones de cada integrante del grupo.
Se llevó a cabo un proceso exhaustivo de limpieza de datos. Esto incluyó la depuración de columnas irrelevantes, el reordenamiento de variables clave, y la estandarización de formatos. Las columnas que no aportan valor al análisis fueron eliminadas.
Los archivos resultantes del proceso de limpieza fueron almacenados en una carpeta central denominada “Datos_limpios”, la cual contiene los archivos .parquet ya preparados para su análisis, correspondientes a cada tipo de delito: homicidios, desapariciones, reclutamientos y secuestros.
Se formularon preguntas base orientadas a la investigación, guiadas por la pregunta de investigación. Estas preguntas sirvieron como eje para dirigir el análisis y establecer los focos de interés estadístico.
Se desarrollaron scripts en RStudio para procesar la información. Esto incluyó el uso de librerías como
dplyr,ggplot2, yarrow, entre otras, para realizar limpieza adicional, visualización de datos y cálculo de parámetros estadísticos fundamentales.Una vez obtenidas las visualizaciones gráficas, se realizó un análisis detallado por cada problemática. Se interpretaron las tendencias y patrones observados, con el fin de identificar los grupos más afectados y los actores involucrados en cada tipo de delito.
Finalmente, se integró una visión general a partir de los análisis individuales, lo cual permitió responder de manera argumentada la pregunta de investigación, destacando los hallazgos más relevantes sobre las dinámicas del conflicto armado en Colombia.
DISCUSIÓN Y RESULTADOS
Hay que tener en cuenta un aspecto muy importante para los distintos análisis que se realizarán en el presente informe, y son dos cosas muy importantes.
Por un lado es necesario descargar las librerías necesarias para compilar cada código:
# Instalar librerías si hace falta
install.packages(c("arrow","dplyr","ggplot2","readr","sf", "tidyr", "RColorBrewer","kableExtra","scales","knitr","lubridate","viridis","stringr"))
# Cargar librerías importantes
library(arrow)
library(dplyr)
library(ggplot2)
library(readr)
library(sf)
library(tidyr)
library(RColorBrewer)
library(kableExtra)
library(scales)
library(viridis)
library(knitr)
library(lubridate)
library(stringr)Explicación: - Dplyr: Herramientas para manipular datos de forma eficiente y legible con verbos como filter(), select(), mutate(), summarize() y group_by(). - Tidyr: Complementario a dplyr, se enfoca en dar forma (reshape) a los datos: funciones como pivot_longer() y pivot_wider(). - Readr: Lectura rápida de archivos de texto/csv/tab: funciones como read_csv(), read_delim(), etc. - Stringr: Facilita la manipulación de cadenas de texto con funciones coherentes como str_detect(), str_replace(), str_sub(), etc. - Lubridate: Facilita el manejo de fechas y tiempos, con funciones como ymd(), today(), hour(), floor_date(). - sf (Simple Features): Manejo de datos espaciales (vectoriales) de forma moderna y compatible con ggplot2. - Arrow: Lectura y escritura eficiente de datos en formato Apache Arrow y Parquet. Útil para trabajar con big data. - ggplot2: Sistema de gráficos elegante y potente basado en la gramática de los gráficos (Grammar of Graphics). - Scales: Complementa ggplot2 proporcionando escalas y funciones para formatear etiquetas (ej. label_percent(), rescale()). - RColorBrewer: Paletas de colores perceptualmente coherentes y agradables para mapas y gráficos. - Viridis: Paletas de colores accesibles (para personas con daltonismo) y bien diseñadas, también para ggplot2. - kableExtra: Mejora la salida de knitr::kable() para crear tablas bonitas en HTML o PDF (uso común en R Markdown). - Knitr: Motor de generación de reportes dinámicos (por ejemplo, R Markdown). Convierte R + Markdown a HTML, PDF, Word, etc. Ahora, es necesario que de acuerdo al dataset que se vaya a utilizar, hay que cargarlo al sistema de la siguiente manera:
# Leer archivo Parquet
datos <- read_parquet("C:/Datos_limpios/datosLimpios-homicidio-R100.parquet")1.Análisis del número de afectados entre los años 1985 a 2018 (homicidios, secuestros, desapariciones y reclutamiento).
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos histogramas(aplica para todos los delitos):
df_por_ano <- datos %>%
filter(yy_hecho >= 1985, yy_hecho <= 2018) %>%
group_by(yy_hecho) %>%
summarise(n_victimas = n(), .groups = "drop")
ggplot(df_por_ano, aes(x = yy_hecho, y = n_victimas)) +
geom_col(width = 0.8) +
scale_x_continuous(breaks = seq(1985, 2018, by = 1)) +
labs(
title = "Número de víctimas de homicidio por año (1985–2018)",
x = "Año",
y = "Número de víctimas"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1),
panel.grid.minor = element_blank()
)
La gráfica de desapariciones (1985-2018) muestra un aumento gradual desde la década de 1980, con un pico en 2002 (con casi 10,000 víctimas). Entre 1985 y mediados de los 90, los valores oscilaron entre 1,000 y 2,500 víctimas, creciendo notablemente desde 1995. De 2003 a 2010, se mantuvo alta incidencia (7,500-10,000 víctimas), disminuyendo desde 2010 hasta estabilizarse en 5,000-7,500 hacia 2015-2016. El mínimo se observa en los 80, con cerca de 1,000 víctimas anuales.
En la gráfica que muestra los homicidios desde 1985
hasta 2018, se puede evidenciar una tendencia a lo largo del tiempo que
aumentó gradualmente hasta el año 2003 donde fue el año número con el
mayor de víctimas de homicidio y empezó un periodo con una mayor
incidencia que solo hasta el 2012 empezó a disminuir, también se puede
evidenciar que el menor número de víctimas se observa a mediados de la
década de 1980 con menos de 10.000 víctimas al año.
La gráfica de reclutamiento muestra un aumento
gradual desde finales de los 80, con un pico en 2001 (cerca de 1,600
víctimas). En los principios de los 90, los valores fueron bajos (menos
de 200 víctimas), con un máximo intermedio en 1996 (500 víctimas). De
1998 a 2004, se mantuvo alta incidencia, disminuyendo desde 2006 y
estabilizándose en 200-400 víctimas hacia 2015-2018.
La gráfica de secuestros refleja un aumento gradual
desde los 80, con un pico entre 2000 y 2003 (superando incluso las 6,000
víctimas). En los principios de los 90, los valores fueron muy bajos
(menos de 1,000 víctimas), creciendo desde mediados de los 90. De 2000 a
2005, se mantuvo alta incidencia (4000-6000 víctimas), disminuyendo
desde 2006 a menos de 2000 víctimas hacia 2015-2018.
El periodo entre finales de los años 90 y mediados de los 2000 fue el más crítico en términos de violencia generalizada en Colombia, reflejado en el aumento simultáneo de homicidios, desapariciones, secuestros y reclutamientos. A partir de 2006-2010, se observa una disminución y estabilización en la mayoría de estas formas de violencia, lo que sugiere un cambio significativo en el contexto del conflicto armado y la seguridad pública del país.
2. Mapa de calor: Referencias de los departamentos afectados por la problemática. ¿Qué departamento es el más afectado?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos mapas de calor en los distintos departamentos(aplica para todos los delitos):
# 1. Leer datos de Homicidio
casos_dept <- datos %>%
mutate(dept_code_hecho = sprintf("%02d", as.integer(dept_code_hecho))) %>%
group_by(dept_code_hecho) %>%
summarise(n_victimas = n(), .groups = "drop")
# 2. Leer el GeoPackage
gdf_dept <- st_read("C:/Datos_limpios/gadm41_COL.gpkg", layer = "ADM_ADM_1") %>%
st_transform(4326)
# 3. Diccionario nombre → código DANE
nombre_codigos <- c(
"Amazonas" = "91", "Antioquia" = "05", "Arauca" = "81", "Atlántico" = "08",
"Bogotá D.C." = "11", "Bolívar" = "13", "Boyacá" = "15", "Caldas" = "17",
"Caquetá" = "18", "Casanare" = "85", "Cauca" = "19", "Cesar" = "20",
"Chocó" = "27", "Córdoba" = "23", "Cundinamarca" = "25", "Guainía" = "94",
"Guaviare" = "95", "Huila" = "41", "La Guajira" = "44", "Magdalena" = "47",
"Meta" = "50", "Nariño" = "52", "Norte de Santander" = "54", "Putumayo" = "86",
"Quindío" = "63", "Risaralda" = "66", "San Andrés y Providencia" = "88",
"Santander" = "68", "Sucre" = "70", "Tolima" = "73", "Valle del Cauca" = "76",
"Vaupés" = "97", "Vichada" = "99"
)
# 4. Asignar códigos
gdf_dept <- gdf_dept %>%
mutate(dept_code_hecho = nombre_codigos[as.character(NAME_1)])
# 5. Unir y completar NA
map_data <- gdf_dept %>%
left_join(casos_dept, by = "dept_code_hecho") %>%
replace_na(list(n_victimas = 0))
# 6. Dibujar mapa
ggplot(map_data) +
geom_sf(aes(fill = n_victimas), color = "gray80", size = 0.2) +
scale_fill_gradientn(
name = "N° víctimas",
colours = rev(rainbow(10)), # 10 colores del arcoíris
na.value = "white"
) +
# Nombres de departamentos (excepto San Andrés y Providencia)
geom_sf_text(
data = map_data %>% filter(NAME_1 != "San Andrés y Providencia"),
aes(label = NAME_1),
size = 2.5,
color = "black",
fontface = "bold",
fun.geometry = function(x) st_centroid(x, of_largest = TRUE)
) +
# Nombre de San Andrés y Providencia (ajustado hacia arriba)
geom_sf_text(
data = map_data %>% filter(NAME_1 == "San Andrés y Providencia"),
aes(label = NAME_1),
size = 2.5,
color = "black",
fontface = "bold",
nudge_y = 0.3
) +
labs(
title = "Mapa de calor víctimas de Homicidio por departamento (1985–2018)"
) +
theme_void() +
theme(
plot.title = element_text(size = 16, face = "bold", hjust = 0.5),
legend.position = "right"
)
Antioquia presenta el mayor número de víctimas de desaparición, en gran medida por su amplia red de carreteras y su posición como cruce de múltiples subregiones (Magdalena Medio, Urabá, Oriente), lo que facilita tanto la movilidad de personas como de actores armados.
Meta y Valle del Cauca muestran niveles intermedios: ambos departamentos combinan territorios llanos con zonas montañosas y cuentan con corredores viales estratégicos (la ruta Bogotá–Villavicencio y el eje Cali–Palmira), donde la dispersión de asentamientos rurales puede haber dificultado la denuncia y el registro.
En contraste, los departamentos de la Orinoquía (Vichada, Guainía, Vaupés) y la Amazonía (Amazonas, Caquetá, Putumayo) registran muy pocos casos, lo cual obedece a su baja densidad poblacional, difícil acceso por río o trochas, y a la presencia de comunidades más aisladas donde las redes de apoyo local actúan como barrera para las desapariciones masivas.
Homicidios
Antioquia lidera los registros de homicidio, probablemente asociado a la concentración urbana en Medellín, su localización estratégica en rutas de movilidad nacional y la persistente presencia de actores armados en zonas rurales montañosas, lo que ha favorecido una violencia sostenida por el control territorial.
Valle del Cauca y Córdoba aparecen con cifras elevadas, ambos presentan corredores estratégicos: el primero con salida al Pacífico y un eje urbano denso (Cali–Palmira), el segundo con un historial de conflicto ligado a disputas por tierras, economías ganaderas y presencia de estructuras armadas que surgieron en los años noventa.
Departamentos como Chocó, Nariño y Norte de Santander muestran valores intermedios: son zonas de frontera o con difícil acceso, donde confluyen cultivos ilícitos, minería ilegal y ausencia estatal, elementos que propician contextos de violencia crónica y altos niveles de homicidios no esclarecidos.
Al otro extremo, Boyacá, San Andrés y Providencia y Vaupés registran muy pocos casos, en parte por su menor densidad poblacional, dinámicas socioeconómicas locales más estables y un tejido comunitario menos expuesto a economías ilegales o conflictos armados directos.
Reclutamientos
El departamento de Meta vuelve a destacar con el mayor número de víctimas de reclutamiento, reforzando su papel como corredor de movilidad entre los Llanos Orientales y la Región Andina.
Caquetá y Cauca también presentan niveles notables; sus territorios selváticos y de montaña, con presencia de cultivos de uso ilícito y escasa oferta educativa en áreas rurales, configuran un caldo de cultivo para la captación forzada de jóvenes.
En departamentos de la Orinoquía como Vichada y Guainía, los índices son muy bajos; la baja concentración poblacional y la dispersión de caseríos actúan como contención natural.
Santander y Norte de Santander muestran valores intermedios: sus municipios conectados por la vía Troncal del Norte y por puertos sobre el Magdalena han vivido dinámicas de reclutamiento en trayectos donde la presencia estatal era débil.
Antioquia encabeza claramente los casos de secuestro, reforzando su complejidad territorial —desde el Urabá hasta el Oriente antioqueño— y la densidad de carreteras que conectan con el Eje Cafetero y la Costa Atlántica.
Meta, Cauca y Caquetá registran cifras altas a medias, reflejo de corredores estratégicos fluviales y viales (ríos Ariari y Magdalena, carreteras de la Amazonía), donde los secuestros funcionaban como medio de financiamiento o presión.
Departamentos del norte del país como La Guajira, Magdalena y Atlántico tienen valores bajos; aunque son regiones de tránsito, la menor presencia de cultivos ilícitos y la concentración urbana en ciudades clave redujeron la incidencia de secuestros masivos.
Las regiones más apartadas —Vaupés, Guaviare, Guainía— aparecen con mínimos registros, congruente con su aislamiento geográfico y con comunidades que, por su estructura comunitaria tradicional, implican mayores costos operativos para secuestradores.
El análisis muestra un patrón claro: la geometría del territorio y la densidad de servicios determinan en gran medida la distribución de la violencia. Los municipios situados en puntos de convergencia de vías fluviales y carreteras concentran la mayoría de los delitos, mientras que las zonas montañosas o de baja densidad poblacional registran niveles más bajos. Además, la presencia de infraestructuras educativas y laborales en las ciudades medianas parece actuar como un amortiguador de prácticas como el reclutamiento forzado. Estos hallazgos subrayan la necesidad de fortalecer la conectividad social y los servicios estatales en los corredores más transitados, así como de potenciar las redes comunitarias en áreas dispersas para reducir riesgos.
3. Mapa de calor: Referencias de los municipios afectados por la problemática. ¿Qué municipio es el mas afectado?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos mapas de calor en los distintos municipios de santander (aplica para todos los delitos):
# 1. Cargar datos y agrupar por código de municipio
casos_mun <- datos %>%
mutate(muni_code_hecho = sprintf("%05d", as.integer(muni_code_hecho))) %>%
group_by(muni_code_hecho) %>%
summarise(n_victimas = n(), .groups = "drop")
# 2. Leer municipios y filtrar Santander
gdf_mun <- st_read("C:/Datos_limpios/gadm41_COL.gpkg", layer = "ADM_ADM_2") %>%
st_transform(4326)
gdf_santander <- gdf_mun %>%
filter(NAME_1 == "Santander")
# 3. Diccionario nombre → código DANE
nombre_codigos <- c(
"Bucaramanga" = "68001", "Aguada" = "68013", "Albania" = "68020", "Aratoca" = "68051",
"Barbosa" = "68077", "Barichara" = "68079", "Barrancabermeja" = "68081", "Betulia" = "68092",
"Bolívar" = "68101", "Cabrera" = "68121", "California" = "68132", "Capitanejo" = "68147",
"Carcasí" = "68152", "Cepitá" = "68160", "Cerrito" = "68162", "Charalá" = "68167",
"Charta" = "68169", "Chima" = "68176", "Chipatá" = "68179", "Cimitarra" = "68190",
"Concepción" = "68207", "Confines" = "68209", "Contratación" = "68211", "Coromoro" = "68217",
"Curití" = "68229", "El Carmen de Chucurí" = "68235", "El Guacamayo" = "68245", "El Peñón" = "68250",
"El Playón" = "68255", "Encino" = "68264", "Enciso" = "68266", "Florián" = "68271",
"Floridablanca" = "68276", "Galán" = "68296", "Gámbita" = "68298", "Girón" = "68307",
"Guaca" = "68318", "Guadalupe" = "68320", "Guapotá" = "68322", "Guavatá" = "68324",
"Güepsa" = "68327", "Hato" = "68344", "Jesús María" = "68368", "Jordán" = "68370",
"La Belleza" = "68377", "Landázuri" = "68385", "La Paz" = "68397", "Lebrija" = "68406",
"Los Santos" = "68418", "Macaravita" = "68425", "Málaga" = "68432", "Matanza" = "68444",
"Mogotes" = "68464", "Molagavita" = "68468", "Ocamonte" = "68498", "Oiba" = "68500",
"Onzaga" = "68502", "Palmar" = "68522", "Palmas del Socorro" = "68524", "Páramo" = "68533",
"Piedecuesta" = "68547", "Pinchote" = "68549", "Puente Nacional" = "68572", "Puerto Parra" = "68573",
"Puerto Wilches" = "68575", "Rionegro" = "68615", "Sabana de Torres" = "68655", "San Andrés" = "68669",
"San Benito" = "68673", "San Gil" = "68679", "San Joaquín" = "68682", "San José de Miranda" = "68684",
"San Miguel" = "68686", "San Vicente de Chucurí" = "68689", "Santa Bárbara" = "68705",
"Santa Helena del Opón" = "68720", "Simacota" = "68745", "Socorro" = "68755", "Suaita" = "68770",
"Sucre" = "68773", "Surata" = "68780", "Tona" = "68820", "Valle de San José" = "68855",
"Vélez" = "68861", "Vetas" = "68867", "Villanueva" = "68872", "Zapatoca" = "68895"
)
# 4. Agrega los códigos DANE
gdf_santander <- gdf_santander %>%
mutate(muni_code_hecho = nombre_codigos[as.character(NAME_2)])
# 5. Une con datos de víctimas
map_data <- gdf_santander %>%
left_join(casos_mun, by = "muni_code_hecho") %>%
replace_na(list(n_victimas = 0))
# 6. Mapa con nombres de municipios
ggplot(map_data) +
geom_sf(aes(fill = n_victimas), color = "gray80", size = 0.2) +
scale_fill_gradientn(
name = "N° víctimas",
colours = rev(rainbow(10)),
na.value = "white"
) +
# Nombres de municipios centrados
geom_sf_text(
aes(label = NAME_2),
size = 2.2,
color = "black",
fontface = "bold",
fun.geometry = function(x) st_centroid(x, of_largest = TRUE)
) +
labs(
title = "Mapa de calor de homicidios en municipios de Santander\n(1985–2018)"
) +
theme_void() +
theme(
plot.title = element_text(size = 16, face = "bold", hjust = 0.5),
legend.position = "right"
)
Barrancabermeja concentra el mayor número de víctimas de desaparición, en gran parte por su condición de enclave industrial del Magdalena Medio, altamente disputado por actores armados ilegales que impusieron controles sociales y desplazamientos forzados como forma de dominio territorial.
Bucaramanga y Cimitarra presentan niveles intermedios: ambas zonas combinan conectividad vial y dinamismo urbano o agroindustrial, lo que las convierte en espacios de tránsito estratégico donde las desapariciones operaron como mecanismo de silenciamiento o retaliación, particularmente en zonas periféricas.
En contraste, municipios del sur y occidente del departamento como Albania, Bolívar o Guavatá registran muy pocos casos, posiblemente por su escasa densidad poblacional, baja relevancia geoestratégica y una estructura comunitaria más cerrada, que limitó la acción sostenida de estructuras armadas o redes de criminalidad organizada.
Homicidios
Barrancabermeja también lidera en número de homicidios, lo que refleja su papel como epicentro del conflicto armado en Santander y zona de influencia clave para el control del río Magdalena, el comercio petrolero y las rutas hacia Antioquia y el sur de Bolívar.
Bucaramanga muestra cifras intermedia, esta ciudad ha enfrentado dinámicas de violencia asociadas a conflictos por el control de economías ilegales, crecimiento desordenado de periferias y disputas entre redes criminales locales, especialmente en sectores populares.
Por otro lado, municipios como Charalá, Cepitá o Curití presentan niveles muy bajos de homicidio, probablemente debido a su ubicación periférica, menor tránsito interregional y una relativa estabilidad institucional que permitió mayor cohesión social y control local frente a brotes de violencia sistemática.
Reclutamientos
El departamento de Meta vuelve a destacar con el mayor número de víctimas de reclutamiento, reforzando su papel como corredor de movilidad entre los Llanos Orientales y la Región Andina.
Caquetá y Cauca también presentan niveles notables; sus territorios selváticos y de montaña, con presencia de cultivos de uso ilícito y escasa oferta educativa en áreas rurales, configuran un caldo de cultivo para la captación forzada de jóvenes.
En departamentos de la Orinoquía como Vichada y Guainía, los índices son muy bajos; la baja concentración poblacional y la dispersión de caseríos actúan como contención natural.
Santander y Norte de Santander muestran valores intermedios: sus municipios conectados por la vía Troncal del Norte y por puertos sobre el Magdalena han vivido dinámicas de reclutamiento en trayectos donde la presencia estatal era débil.
Barrancabermeja vuelve a figurar como el municipio con más casos de secuestro, una modalidad utilizada recurrentemente por grupos armados ilegales como mecanismo de financiación, presión política o castigo ejemplar, favorecida por la complejidad geográfica de su entorno y la debilidad institucional del pasado.
Puerto Wilches y San Vicente de Chucurí presentan niveles intermedios: su localización en zonas rurales extensas, con presencia de corredores fluviales o montañosos, permitió el desarrollo de economías ilícitas y la consolidación de enclaves armados donde el secuestro fue empleado como estrategia de control social.
En contraste, gran parte del sur del departamento –municipios como Gámbita, El Guacamayo o La Belleza– evidencia cifras mínimas, lo cual puede explicarse por la ausencia de rutas estratégicas, la dispersión de la población y la existencia de comunidades menos expuestas al tránsito de actores armados o redes de crimen organizado.
4. Diagrama de barras: Top municipios afectados
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos diagramas de barras que hace la comparativa de los municipios más afectados por la problematica(aplica para todos los delitos):
datos <- datos %>%
mutate(muni_code_hecho = as.numeric(muni_code_hecho))
# 1. Top 5 municipios con más homicidios
top_municipios <- datos %>%
group_by(muni_code_hecho) %>%
summarise(total_homicidios = n()) %>%
arrange(desc(total_homicidios)) %>%
slice_head(n = 5)
# 2. Leer archivo CSV de municipios
municipios_dane <- read_delim("C:/Datos_limpios/CodigosDaneDepartamentoMunicipio/Departamentos_Municipios.csv",
delim = ";", show_col_types = FALSE)
# 3. Limpiar código DANE del municipio
municipios_dane <- municipios_dane %>%
mutate(`CÓDIGO DANE DEL MUNICIPIO` = gsub("\\.", "", `CÓDIGO DANE DEL MUNICIPIO`),
`CÓDIGO DANE DEL MUNICIPIO` = trimws(`CÓDIGO DANE DEL MUNICIPIO`),
`CÓDIGO DANE DEL MUNICIPIO` = as.numeric(`CÓDIGO DANE DEL MUNICIPIO`))
# 4. Join para obtener nombres de municipios
top_municipios_nombres <- top_municipios %>%
left_join(municipios_dane, by = c("muni_code_hecho" = "CÓDIGO DANE DEL MUNICIPIO"))
# 5. Graficar resultados
ggplot(top_municipios_nombres, aes(x = reorder(MUNICIPIO, -total_homicidios), y = total_homicidios, fill = DEPARTAMENTO)) +
geom_bar(stat = "identity") +
labs(
title = "Top 5 municipios con más homicidios (1985–2018)",
x = "Municipio",
y = "Cantidad de homicidios"
) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
Municipios más afectados: Medellín (≈48 000), Cali (≈31 000), Bogotá D.C. (≈27 000), Cúcuta (≈10 000) y Barranquilla (≈8 000).
Economías ilegales y crimen organizado: Medellín y Cali —centros históricos de narcotráfico— aún reflejan con creces su legado violento.
Ciudades portuarias y fronterizas: Barranquilla y Cúcuta muestran menor cifra absoluta que las metrópolis principales, pero siguen siendo focos importantes por contrabando y extorsión.
Municipios más afectados: Bogotá D.C. (≈1 600), Medellín (≈1 100), Cali (≈1 050), Argelia (Antioquia, ≈980) y Valledupar (Cesar, ≈870).
Diversificación del delito: Aunque la ciudad concentra secuestros de alto perfil (rescate económico o político), municipios rurales como Argelia y Valledupar evidencian secuestros campesinos o contra líderes sociales.
Control territorial: Zona del Catatumbo (Cesar) y el suroeste antioqueño son históricamente disputados, lo que explica la aparición de Valledupar y Argelia.
Municipios más afectados: Vista Hermosa (Meta, ≈620), San José del Guaviare (Guaviare, ≈540), Medellín (≈350), “NA” (otros, ≈900).
Zonas de conflicto activo: Meta y Guaviare son corredores de grupos armados con escasa presencia estatal, terreno propicio para el reclutamiento de menores y campesinos.
Ciudades como fuente de “reserva”: El hecho de que Medellín aparezca en tercera posición muestra cómo incluso en ciudades grandes hay captación de jóvenes vulnerables, pero en menor escala que en el campo.
Municipios más afectados: Bogotá D.C. (≈32 000), Medellín (≈9 500), Cali (≈6 300), Villavicencio (≈2 800) y Cúcuta (≈2 700).
Concentración urbana: Las capitales muestran altísimos números, lo que sugiere desde un alto volumen de denuncias en zonas pobladas hasta la presencia de redes de trata o desaparición forzada vinculadas a estructuras criminales.
Fronteras y corredores: Cúcuta y Villavicencio, ciudades paso, aparecen en el top-5, indicando su vulnerabilidad a desplazamientos forzados y rutas de paso de grupos armados.
5. De que edad a que edad han estado las personas mas afectadas (mayor frecuencia absoluta del intervalo)
Primero, las definiciones que me das son clave:
- Infancia: 0 a 14 años
- Adolescencia: 15 a 19 años
- Adultez: 20 años en adelante
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos diagramas de barras que muestra la comparativa de los rangos de edades con respecto a la cantidad de personas afectadas(aplica para todos los delitos):
# Contar la frecuencia absoluta de cada categoría de edad
conteo_edades <- datos %>%
count(edad_categoria, sort = TRUE)
# Ver las primeras filas para encontrar la categoría con más homicidios
print(conteo_edades)
# Si deseas mostrar solo la categoría más frecuente (el modo)
edad_mas_afectada <- conteo_edades %>%
slice_max(n, n = 1)
print(edad_mas_afectada)
ggplot(conteo_edades, aes(x = reorder(edad_categoria, -n), y = n)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Frecuencia de homicidios por categoría de edad",
x = "Rango de Edad",
y = "Cantidad de Homicidios") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))Analicemos cada gráfico:
- Frecuencia de Desapariciones por categoría de
edad:
- Descripción: La mayor frecuencia de desapariciones
se concentra en el rango de edad de 15-19 años
(adolescencia), con un número que supera las 25,000 desapariciones
(aproximadamente 27,000-28,000). Le siguen de cerca los rangos de 20-24
años y 25-29 años (adultez temprana), ambos con más de 20,000 casos. Es
notable también la cantidad de desapariciones en el grupo de 0-4 años
(infancia), que es más alta que varios grupos de adultos mayores. A
partir de los 30-34 años, la frecuencia tiende a disminuir
progresivamente con la edad.
- Grupo más afectado: Adolescentes (15-19 años).
2. Frecuencia de homicidios por categoría de
edad:
* Descripción: El pico más alto de homicidios se da en
el rango de 20-24 años (adultez temprana), con una
cifra muy elevada, cercana a los 95,000 casos. El segundo grupo más
afectado es el de 25-29 años (adultez), con aproximadamente 87,000
casos, seguido por el de 30-34 años (adultez) con alrededor de 70,000, y
luego el de 15-19 años (adolescencia) con más de 60,000 casos. Al igual
que con las desapariciones, el grupo de 0-4 años (infancia) presenta una
cantidad significativa de homicidios, superando a varios grupos de
adultos mayores. La tendencia general es una disminución de la
frecuencia a medida que aumenta la edad, después del pico en la adultez
temprana.
* Grupo más afectado: Adultos jóvenes (20-24 años).
3. Frecuencia de reclutamientos por
categoría de edad:
* Descripción: Este gráfico muestra una concentración
abrumadora de reclutamientos en los grupos más jóvenes. El rango de edad
más afectado es el de 15-19 años (adolescencia), con
más de 10,000 casos. El segundo grupo con mayor frecuencia es el de
10-14 años (infancia), con más de 6,000 casos. También se observa un
número preocupante de reclutamientos en el rango de 0-4 años (infancia),
aunque menor en comparación con los dos anteriores. A partir de los 20
años, la cantidad de reclutamientos disminuye drásticamente, siendo casi
insignificante en los grupos de mayor edad.
* Grupo más afectado: Adolescentes (15-19 años),
seguido muy de cerca en vulnerabilidad por niños y niñas de 10-14
años.
4. Frecuencia de secuestro por categoría de
edad:
* Descripción: La frecuencia de secuestros es más alta
en la adultez. El rango de 30-34 años (adultez)
presenta la mayor cantidad, con casi 6,000 casos. Sin embargo, los
rangos de 25-29 años, 95+ años (este último es un agregado y podría
estar influenciado por cómo se agrupan los datos de edades muy avanzadas
o menos especificadas), y 35-39 años muestran frecuencias muy similares,
todas superando los 5,500 casos. Los rangos de 20-24 y 40-44 años
también son significativos. Nuevamente, el grupo de 0-4 años (infancia)
muestra una cantidad considerable de secuestros. La tendencia general es
una disminución a partir de los 45-49 años, aunque con algunas
fluctuaciones.
* Grupo más afectado: Adultos (principalmente entre 25
y 39 años, con el pico en 30-34 años).
6. ¿Que tipo de etnias existen y cuales han sido las más afectadas?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear diagramas de pastel que muestren cómo han sido afectadas las distintas etnias y también diagramas de barras que permitan ver de manera mucho más clara los porcentajes en los que han sido afectadas las etnias(aplica para todos los delitos):
# 1. Agrupar por etnia y calcular porcentaje preciso
conteo_etnias <- datos %>%
filter(!is.na(etnia) & etnia != "") %>%
count(etnia, sort = TRUE) %>%
mutate(
porcentaje = n / sum(n),
etiqueta = paste0(etnia, " (", percent(porcentaje, accuracy = 0.001), ")") # Precisión de 0.001%
)
# 2. Tabla de resumen con porcentaje con 3 decimales
tabla_etnias <- conteo_etnias %>%
mutate(porcentaje = round(porcentaje * 100, 3)) %>%
rename(
"Grupo Étnico" = etnia,
"Número de Homicidios" = n,
"Porcentaje (%)" = porcentaje
)
# Mostrar tabla en consola
kable(tabla_etnias, format = "markdown", align = "c")
# 3. Diagrama de pastel con etiquetas precisas
ggplot(conteo_etnias, aes(x = "", y = n, fill = etnia)) +
geom_col(width = 1, color = "white") +
coord_polar(theta = "y") +
geom_text(aes(label = etiqueta), position = position_stack(vjust = 0.5), size = 3) +
labs(
title = "Distribución de homicidios por grupo étnico (Pastel)",
fill = "Etnia"
) +
theme_void() +
theme(legend.position = "none")
# 4. Diagrama de barras con porcentaje más exacto
ggplot(conteo_etnias, aes(x = reorder(etnia, -n), y = n, fill = etnia)) +
geom_col() +
geom_text(aes(label = percent(porcentaje, accuracy = 0.001)), vjust = -0.5) +
labs(
title = "Número de homicidios por grupo étnico (Barras)",
x = "Grupo Étnico",
y = "Número de Homicidios"
) +
theme_minimal() +
theme(legend.position = "none") +
ylim(0, max(conteo_etnias$n) * 1.1)
Número de desapariciones por grupo
étnico:
Este gráfico muestra que el grupo étnico mestizo concentra la abrumadora
mayoría de las víctimas de desaparición, con un 87.579% del total, lo
que representa aproximadamente 150,000 casos. Le sigue el grupo NARP
(Negro, Afrocolombiano, Raizal y Palenquero) con un 10.026%. El grupo
indígena representa el 2.325% de las víctimas, mientras que el grupo ROM
(Gitano) es el menos afectado, con solo el 0.070%. La disparidad es muy
marcada.
Número de homicidios por grupo
étnico:
En cuanto a los homicidios, el grupo mestizo nuevamente es el más
afectado, acumulando el 85.584% de los casos, superando las 450,000
víctimas. El grupo NARP es el segundo más impactado, con el 11.888% de
los homicidios. La población indígena representa el 2.486% de las
víctimas. El grupo ROM es el que presenta la menor incidencia, con un
0.043%, reflejando un patrón similar al de las desapariciones.
Número de reclutamientos por grupo
étnico:
Para el delito de reclutamiento, el grupo mestizo sigue siendo el que
presenta el mayor número absoluto de víctimas, con un 76.854% (cerca de
15,000 casos). Sin embargo, es notable que el grupo indígena es el
segundo más afectado en esta categoría, con un 12.566%, seguido de cerca
por el grupo NARP con un 10.533%. El grupo ROM es el menos afectado, con
un 0.047%. La proporción de víctimas indígenas es significativamente
mayor aquí.
Número de secuestros por grupo
étnico:
El gráfico de secuestros indica que la población mestiza es
predominantemente la más afectada, con un 87.393% de los casos, lo que
se traduce en cerca de 50,000 víctimas. El grupo NARP es el segundo más
afectado, con un 6.436% de los secuestros. El grupo indígena representa
el 6.128%, una cifra muy cercana a la del grupo NARP. Nuevamente, el
grupo ROM es el que registra el menor porcentaje, con un 0.043%.
En general:
Considerando los cuatro tipos de delitos, el grupo étnico mestizo es
consistentemente el más afectado en términos de números absolutos,
representando más del 75% de las víctimas en cada categoría. El grupo
NARP se posiciona generalmente como el segundo más afectado, seguido por
el grupo indígena. Sin embargo, es crucial notar que para el delito de
reclutamiento, la población indígena muestra una proporción de
victimización significativamente más alta en comparación con otros
delitos, lo que sugiere una vulnerabilidad particular. El grupo ROM es
el menos afectado en todas las categorías de violencia analizadas.
7. ¿Qué guerrilla es la que está afectando más a los ciudadanos?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos diagramas de barras que reflejan cuales guerrillas son las que más han afectado al país (aplica para todos los delitos):
# 1. Contar casos por guerrilla (columna p_str)
conteo_guerrilla <- datos %>%
filter(!is.na(p_str) & p_str != "") %>%
count(p_str, sort = TRUE)
# 2. Mostrar tabla con conteo total por guerrilla
print(conteo_guerrilla)
# 3. Graficar top 10 guerrillas que más afectan (por número de casos)
top10_guerrilla <- head(conteo_guerrilla, 10)
ggplot(top10_guerrilla, aes(x = reorder(p_str, n), y = n, fill = p_str)) +
geom_col(show.legend = FALSE) +
coord_flip() +
labs(
title = "Guerrillas que más afectan a los ciudadanos (homicidios)",
x = "Guerrilla",
y = "Número de casos"
) +
theme_minimal()
Guerrillas que más afectan a los ciudadanos
(Desapariciones):
Este gráfico indica que los Paramilitares (PARA) son el actor armado con
la mayor atribución de desapariciones, superando los 90,000 casos. La
guerrilla GUE-FARC le sigue como el segundo actor más significativo, con
aproximadamente 47,000 casos. La categoría “multiple” (múltiples
actores) también representa un número considerable de víctimas, seguida
por los Agentes del Estado (EST). Otras guerrillas como GUE-ELN y
GUE-OTRO tienen una participación mucho menor en este delito.
Guerrillas que más afectan a los ciudadanos
(homicidios):
En el caso de los homicidios, los Paramilitares (PARA) nuevamente
figuran como el principal responsable, con una cifra que supera los
220,000 casos. La guerrilla GUE-FARC es el segundo actor con mayor
número de atribuciones, cercana a los 140,000. La categoría “OTRO”
presenta un volumen significativo de casos, seguida por “multiple” y
Agentes del Estado (EST). Las guerrillas GUE-ELN y GUE-OTRO tienen un
impacto comparativamente menor en este tipo de violencia.
Guerrillas que más afectan a los ciudadanos
(reclutamiento):
El gráfico de reclutamiento muestra un panorama distinto: la guerrilla
GUE-FARC es el actor predominante, con una atribución que supera los
13,000 casos, muy por encima de los demás. Los Paramilitares (PARA) son
el segundo actor, con alrededor de 2,500 casos, seguidos por la
guerrilla GUE-ELN. Las categorías “multiple”, “OTRO”, “GUE-OTRO” y
Agentes del Estado (EST) registran cifras considerablemente menores en
este tipo de delito, donde GUE-FARC tiene la mayor responsabilidad.
Guerrillas que más afectan a los ciudadanos
(secuestros):
Para los secuestros, la guerrilla GUE-FARC es el actor armado con la
mayor cantidad de casos atribuidos, superando las 22,000 víctimas. Los
Paramilitares (PARA) se sitúan como el segundo responsable, con
aproximadamente 11,000 casos. La categoría “OTRO” y la guerrilla GUE-ELN
también muestran una participación significativa en este delito, con
cifras importantes. Las demás categorías como “multiple”, “GUE-OTRO” y
Agentes del Estado (EST) tienen un menor número de atribuciones.
En general:
En conjunto, estos gráficos revelan que los Paramilitares (PARA) son el
principal actor responsable de desapariciones y homicidios, los delitos
con mayor número de víctimas totales. Sin embargo, la guerrilla GUE-FARC
es la que predomina en reclutamientos y secuestros, y se posiciona como
el segundo actor más relevante en desapariciones y homicidios, lo que la
convierte en la guerrilla con mayor impacto global acumulado en estas
cuatro formas de violencia. La guerrilla GUE-ELN tiene una participación
menor pero constante. La presencia de Agentes del Estado (EST) y las
categorías “multiple” y “OTRO” subrayan la complejidad de la atribución
de responsabilidades en el conflicto.
8. En un promedio general, ¿Qué se ven mas afectados los hombres o las mujeres?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos diagramas de pastel que muestran quien ha sido más afectado por los distintos delitos , los hombres o las mujeres(aplica para todos los delitos):
#Contar homicidios por sexo
conteo_sexo <- datos %>%
count(sexo)
#Calcular porcentaje para cada grupo
conteo_sexo <- conteo_sexo %>%
mutate(porcentaje = round(100 * n / sum(n), 1),
etiqueta = paste0(sexo, " (", porcentaje, "%)"))
#Crear gráfico de pastel con ggplot2
ggplot(conteo_sexo, aes(x = "", y = n, fill = sexo)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y") +
labs(title = "Proporción de homicidios por sexo") +
theme_void() + # Elimina ejes y fondo
geom_text(aes(label = etiqueta), position = position_stack(vjust = 0.5)) +
scale_fill_manual(values = c("HOMBRE" = "steelblue", "MUJER" = "salmon"))
Proporción de desapariciones por sexo:
Este gráfico de pastel muestra que los hombres representan la mayoría de
las víctimas de desaparición, con un 75.3% del total. Las mujeres
constituyen el 24.7% restante, lo que indica que aproximadamente tres de
cada cuatro víctimas de desaparición son hombres. Esta diferencia
subraya una mayor vulnerabilidad masculina a este tipo de violencia en
el contexto analizado. La proporción es significativamente desigual.
Proporción de homicidios por sexo:
La gráfica de homicidios revela una disparidad aún más marcada. Los
hombres representan un abrumador 90.9% de las víctimas, mientras que las
mujeres constituyen el 9.1%. Esto significa que más de nueve de cada
diez víctimas de homicidio son hombres. Esta es la diferencia más
extrema entre los sexos de todos los delitos analizados, evidenciando un
impacto desproporcionadamente alto sobre la población masculina en
términos de violencia letal.
Proporción de reclutamientos por sexo:
En el caso de los reclutamientos, los hombres siguen siendo la mayoría
de las víctimas con un 68.2%. Sin embargo, la proporción de mujeres
víctimas es notablemente más alta en comparación con otros delitos,
alcanzando el 31.8%. Esto indica que casi un tercio de las personas
reclutadas son mujeres, lo que sugiere una vulnerabilidad particular de
este grupo al reclutamiento forzado por parte de los actores armados, a
pesar de que los hombres sigan siendo los más afectados.
Proporción de secuestros por sexo:
Para el delito de secuestro, los hombres constituyen el 77.1% de las
víctimas, mientras que las mujeres representan el 22.9%. Al igual que
con las desapariciones, esto muestra que más de tres cuartas partes de
las víctimas de secuestro son hombres. La proporción es
considerablemente desigual, aunque la diferencia no es tan extrema como
en los homicidios. Los hombres, por tanto, han sido el objetivo
principal de este delito.
En general:
Los cuatro gráficos de pastel indican consistentemente que los hombres
han sido las víctimas predominantes en todas las formas de violencia
analizadas: desapariciones, homicidios, reclutamientos y secuestros. La
mayor disparidad se observa en los homicidios, donde más del 90% de las
víctimas son hombres. Aunque los hombres son mayoría, es importante
destacar que las mujeres también son víctimas en proporciones
significativas, especialmente en reclutamientos, donde representan casi
un tercio del total. Esto evidencia un impacto diferenciado del
conflicto armado según el sexo, con una mayor afectación directa sobre
la población masculina.
9. ¿Existen meses del año con picos recurrentes de víctimas?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos mapas de calor en los que muestra cuantas victimas han habido en cada mes de un determinado año (aplica para todos los delitos):
datos <- datos %>%
mutate(
anio = as.integer(substr(yymm_hecho, 1, 4)),
mes = as.integer(substr(yymm_hecho, 5, 6))
) %>%
filter(anio >= 1985, anio <= 2018, mes >= 1, mes <= 12)
# 2. Contar víctimas por año y mes
conteo_mes_anio <- datos %>%
group_by(anio, mes) %>%
summarise(casos = n(), .groups = "drop")
# 3. Convertir número de mes a nombre del mes
conteo_mes_anio <- conteo_mes_anio %>%
mutate(mes_nombre = factor(month.abb[mes], levels = rev(month.abb)))
# 4. Crear heatmap
ggplot(conteo_mes_anio, aes(x = anio, y = mes_nombre, fill = casos)) +
geom_tile(color = "white") +
scale_fill_viridis_c(option = "inferno") +
labs(
title = "Mapa de calor de víctimas de homicidios por mes y año (1985–2018)",
x = "Año",
y = "Mes",
fill = "Número de víctimas"
) +
theme_minimal()
En el presente diagrama de calor se puede
observar la representación del número de desapariciones ocurridas entre
1985 y 2018 en el contexto del conflicto armado en Colombia,
específicamente relacionado con la problemática de las desapariciones
forzadas perpetradas por distintos grupos armados ilegales y, en algunos
casos, por agentes del Estado. Uno de los aspectos más llamativos del
gráfico es el comportamiento del mes de enero, que destaca como uno de
los periodos con mayor número de víctimas, con registros que van desde
más de 500 hasta superar las 1000 desapariciones en algunos años, siendo
enero en los que más fue afligido el pueblo colombiano. Este fenómeno es
especialmente visible durante el periodo comprendido entre 1999 y 2002,
donde se concentra el punto más álgido del mapa de calor. Esto puede
estar relacionado con una intensificación de las dinámicas del
conflicto, operaciones militares y acciones armadas de grupos
insurgentes y paramilitares. Sin embargo, este patrón no se limita
únicamente a enero. A lo largo de los años, se evidencia un aumento
progresivo en la magnitud de las desapariciones durante los meses
siguientes. Desde febrero hasta diciembre, la cantidad de víctimas
también incrementa de forma significativa. A partir del año 1997 en
adelante, se observa que el número de desapariciones rara vez baja de
las 500 víctimas mensuales, situándose la mayoría del tiempo en un rango
que oscila entre 500 y 1000 víctimas. Esta tendencia refleja el
recrudecimiento del conflicto en esos años, caracterizado por mayores
enfrentamientos, expansión territorial de los grupos armados y una mayor
sistematicidad en las violaciones a los derechos humanos. Finalmente, es
importante resaltar que tras el año 2014, comienza a observarse una leve
disminución en la intensidad de los colores del mapa, lo cual podría
estar relacionado con procesos como la desmovilización de las AUC, el
fortalecimiento institucional en materia de derechos humanos, y el
inicio de iniciativas de búsqueda de personas desaparecidas. 
Por otro lado, en el mapa de calor de los
homicidios, se puede apreciar cómo la magnitud del fenómeno aumentó de
manera mucho más drástica durante el periodo comprendido entre 1985 y
2018, reflejando el impacto profundo de los distintos grupos armados
ilegales que han afectado al país durante décadas. Si bien en 1985 el
número de víctimas era relativamente bajo, estas cifras no se
mantuvieron estables ni disminuyeron con el paso del tiempo. Por el
contrario, se observa un aumento sostenido hacia finales de los años 90,
alcanzando su punto más crítico entre los años 2000 y 2012, siendo
especialmente preocupante el año 2003, que destaca como uno de los
periodos con mayor número de homicidios. Este pico de violencia coincide
con una etapa de intensificación del conflicto armado, marcada por la
expansión territorial de los grupos armados ilegales, enfrentamientos
con las fuerzas del Estado y una presencia institucional insuficiente en
muchas regiones del país. A diferencia del comportamiento observado en
el gráfico de desapariciones, en el caso de los homicidios no se percibe
una estacionalidad clara por mes: todos los meses del año presentan
niveles elevados de homicidios durante el periodo más crítico
(1995–2005). Esto indica que los homicidios fueron una constante
estructural en la realidad nacional, sin importar la época del año,
reflejando un entorno de violencia sistemática y generalizada. A pesar
de este panorama, a partir de fechas cercanas a 2010, se observa una
disminución progresiva en el número de víctimas, lo cual podría
atribuirse a múltiples factores, entre ellos: la desmovilización de
grupos paramilitares, la implementación de políticas de seguridad más
efectivas, así como iniciativas de paz y diálogos que buscaron reducir
la intensidad del conflicto y promover el desarme en diferentes regiones
del país. 
Para este mapa de calor podemos apreciar cómo el
reclutamiento forzado afectó a nuestro país durante 1985 y 2018 , siendo
una de las problemáticas que más ha afectado a los distintos niños,
niñas y adolescentes de los distintos sitios de Colombia. Por este lado,
podemos apreciar un comportamiento similar a las desapariciones puesto
que enero es de los meses que más alto fueron los picos de esta
problemática , sobre todo en el año 2000 puesto que hubieron más de 400
víctimas. Aunque durante la primera parte del periodo 1985 y 1995 los
registros eran relativamente bajos, a partir de fines de los años 90 se
presenta un incremento significativo en los casos de reclutamiento
forzado en los distintos meses del año. Este patrón coincide con una
etapa crítica del conflicto armado, caracterizada por el fortalecimiento
militar de varios grupos armados ilegales, que recurrieron al
reclutamiento masivo de menores como estrategia de guerra, control
territorial y sostenimiento operativo. Esta práctica constituyó una
grave violación a los derechos humanos y al Derecho Internacional
Humanitario, especialmente por el uso de menores como combatientes. A
diferencia del fenómeno de los homicidios, el reclutamiento presenta un
comportamiento más focalizado en ciertos años y meses. La concentración
más intensa se da entre 1998 y 2004, mientras que en los años
posteriores se evidencia una disminución progresiva de los casos. Es
importante destacar que, aunque la tendencia bajó, el reclutamiento no
desapareció del todo, ya que todavía se reportan víctimas esporádicas
hasta el final del 2018.
Para el siguiente mapa de calor hay que destacar
aspectos cruciales que han ocurrido en 1985 hasta 2018 dado los datos
recolectados respecto a uno de los crímenes más viles cómo lo pueden
llegar a ser el secuestro cómo un mecanismo de financiación y control
por parte de los distintos grupos armados ilegales. Gracias al gráfico
podemos apreciar el cómo hubo un aumento progresivo desde de 1990 en
adelante, siendo mucho más intenso a partir de 1996 hasta 2005, donde
algunos meses, como enero, marzo, mayo y julio del año 2000, superaron
las 600 víctimas, de acuerdo con la escala de color. Esta etapa coincide
con el fortalecimiento de estructuras insurgentes como las FARC y el
ELN, quienes usaron el secuestro sistemáticamente tanto para presionar
negociaciones políticas como para obtener recursos económicos a través
del “secuestro extorsivo”. A diferencia del homicidio, en el secuestro
podemos apreciar cómo de manera temporal se concentraron con altas
cifras en un corto periodo de tiempo, lo cual puede ser una manera
estratégica de los distintos grupos armados por tener un poder de
influencia dentro del país. Posterior al 2005 se puede apreciar la caída
del número de víctimas de este suceso por lo que se puede sospechar que
sea gracias de las distintas estrategias que ha usado el país para dar
solución cómo lo sería, sus distintos tipos de políticas , su seguridad
militar en distintas zonas cruciales del país, desmovilización de los
grupos paramilitares entre otros.
Relación general de los mapas de calor
Estos cuatro fenómenos de violencia no solo muestran el grado extremo de afectación que vivió la sociedad colombiana, sino también las distintas lógicas de guerra empleadas por los actores armados ilegales: eliminar, intimidar, financiarse o reclutar a la fuerza. El periodo entre 1997 y 2004 emerge como la etapa más crítica y sangrienta del conflicto armado, donde todos los tipos de violencia alcanzan sus máximos. Sin embargo, también se visibiliza una tendencia descendente en los últimos años, que coincide con esfuerzos de desmovilización, fortalecimiento institucional, acuerdos de paz y conciencia colectiva sobre el respeto por los derechos humanos. Aun así, la violencia no desapareció completamente, y muchas de sus secuelas siguen vigentes. Estos datos no solo deben leerse como una radiografía del pasado, sino como una herramienta para construir memoria, justicia y no repetición.
10.¿En cuales departamentos se vieron más afectados infancia/adolescencia/adultez de cada problematica?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivos mapas de barras teniendo en cuenta el rango de edad en el que se encuentran ya sea infante, adolescente o adulto de acuerdo al departamento en el que se encuentra (aplica para todos los delitos):
df_infancia <- datos %>%
filter(edad_jep == "INFANCIA") %>%
mutate(
dept_code_hecho = sprintf("%02d", as.integer(dept_code_hecho))
)
df_adolecencia <- datos %>%
filter(edad_jep == "ADOLESCENCIA") %>%
mutate(
dept_code_hecho = sprintf("%02d", as.integer(dept_code_hecho))
)
df_adultez <- datos %>%
filter(edad_jep == "ADULTEZ") %>%
mutate(
dept_code_hecho = sprintf("%02d", as.integer(dept_code_hecho))
)
# Mapa código → nombre de departamento
dept_lookup <- c(
"91" = "Amazonas", "05" = "Antioquia", "81" = "Arauca",
"08" = "Atlántico", "11" = "Bogotá D.C.", "13" = "Bolívar",
"15" = "Boyacá", "17" = "Caldas", "18" = "Caquetá",
"85" = "Casanare", "19" = "Cauca", "20" = "Cesar",
"27" = "Chocó", "23" = "Córdoba", "25" = "Cundinamarca",
"94" = "Guainía", "95" = "Guaviare", "41" = "Huila",
"44" = "La Guajira", "47" = "Magdalena", "50" = "Meta",
"52" = "Nariño", "54" = "Norte de Santander",
"86" = "Putumayo", "63" = "Quindío", "66" = "Risaralda",
"88" = "San Andrés y Providencia",
"68" = "Santander", "70" = "Sucre", "73" = "Tolima",
"76" = "Valle del Cauca","97" = "Vaupés", "99" = "Vichada"
)
df_infancia <- df_infancia %>%
mutate(dept_nombre = dept_lookup[dept_code_hecho])
resumen_infancia <- df_infancia %>%
group_by(dept_nombre) %>%
summarise(n_victimas = n(), .groups = "drop")
ggplot(resumen_infancia, aes(x = dept_nombre, y = n_victimas)) +
geom_col(fill = "#D53E4F") +
labs(
title = "Victimas (homicidio) en la categoria de INFANCIA por departamento",
x = "Departamento",
y = "Número de víctimas (INFANCIA)"
) +
theme_minimal(base_size = 12) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
)
df_adolecencia <- df_adolecencia %>%
mutate(dept_nombre = dept_lookup[dept_code_hecho])
resumen_adolecencia <- df_adolecencia %>%
group_by(dept_nombre) %>%
summarise(n_victimas = n(), .groups = "drop")
ggplot(resumen_adolecencia, aes(x = dept_nombre, y = n_victimas)) +
geom_col(fill = "#D53E4F") +
labs(
title = "Victimas (homicidio) en la categoria de ADOLESCENCIA por departamento",
x = "Departamento",
y = "Número de víctimas (ADOLESCENCIA)"
) +
theme_minimal(base_size = 12) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
)
df_adultez <- df_adultez %>%
mutate(dept_nombre = dept_lookup[dept_code_hecho])
resumen_adultez <- df_adultez %>%
group_by(dept_nombre) %>%
summarise(n_victimas = n(), .groups = "drop")
ggplot(resumen_adultez, aes(x = dept_nombre, y = n_victimas)) +
geom_col(fill = "#D53E4F") +
labs(
title = "Victimas (homicidio) en la categoria de ADULTEZ por departamento",
x = "Departamento",
y = "Número de víctimas (Adultez)"
) +
theme_minimal(base_size = 12) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
)
Cabe resaltar que el presente gráfico presenta el
número de infantes colombianos afectados cómo víctimas de homicidio en
Colombia por sus distintos departamentos que lo conforman. Por un lado,
tenemos el departamento del Amazonas que es el que más destaca entre
todos con más de 10000 víctimas, seguido de departamentos cómo lo serían
Cesar, Córdoba, Magdalena, Santander y Valle del Cauca cómo los otros
departamentos donde los infantes han sido bastante afectados fuertemente
por el conflicto armado, ya sea por las disputas territoriales,
narcotráfico y fenómenos de violencia urbana. En estas regiones, la
infancia ha sido víctima tanto de enfrentamientos directos como de
asesinatos selectivos y colateralidad de acciones armadas. Por otro
lado, departamentos como Vaupés, Guainía, Vichada, San Andrés ,Guaviare
y Quindío muestran cifras significativamente más bajas. Estas zonas,
aunque afectadas también por el conflicto, tienen menor densidad
poblacional y, en algunos casos, limitada cobertura institucional, lo
que puede incidir tanto en la menor ocurrencia como en una posible
registración de casos. El gráfico evidencia también que la violencia
contra la infancia es un fenómeno transversal que se presenta tanto en
zonas rurales como urbanas, en contextos de conflicto armado y de
criminalidad común. La dispersión de los casos, sin embargo, parece
concentrarse en ciertos departamentos específicos, lo cual debe llamar
la atención de los tomadores de decisiones para diseñar intervenciones
focalizadas. 
Por otro lado, tenemos que este gráfico presenta
el número de infantes colombianos víctimas de desaparición en los
distintos departamentos del país. En primer lugar, destaca de forma
notable Bogotá D.C., que presenta la cifra más alta con más de 6.000
casos, lo que podría atribuirse a su alta densidad poblacional, el
fenómeno de migración interna y su rol como epicentro de múltiples
dinámicas sociales y criminales. Le siguen Antioquia, Meta y Valle del
Cauca, los cuales poseen cifras alarmantes, lo cual puede estar
relacionado con una combinación de factores como violencia urbana,
presencia de actores armados ilegales, redes de trata de personas y la
debilidad institucional en ciertas zonas periféricas. Otros
departamentos con cifras considerablemente altas son Córdoba, Santander,
Tolima y Cesar, que también han sido escenarios del conflicto armado,
cómo lo puede ser el control territorial por grupos al margen de la ley.
Por otro lado, departamentos como Vaupés, Vichada, Guainía, Guaviare,
Casanare y Cauca presentan cifras visiblemente más bajas. Aunque esto
podría sugerir una menor ocurrencia de desapariciones, también es
importante considerar posibles limitaciones en los mecanismos de
denuncia, recolección y sistematización de datos en estas regiones,
muchas de las cuales son apartadas geográficamente y con baja presencia
institucional. El gráfico nos ha permitido evidenciar que la
desaparición infantil es un factor que ha afectado a todos los
municipios de Colombia en alguna medida dado que no es un fenómeno
aislado ni exclusivo de zonas rurales o urbanas, sino que afecta a todo
el territorio. Es importante tener en cuenta los focos que más altos han
estado cómo los que más se debe luchar arduamente para poder controlar
este problema. 
El presente gráfico muestra la distribución del
número de infantes víctimas de secuestro en Colombia, desagregado por
departamento. Este tipo de victimización representa una de las
violaciones más graves a los derechos humanos de la infancia, y ha sido
utilizada históricamente como mecanismo de presión, control social o
fuente de financiación por parte de diversos actores armados ilegales.
En primer lugar, sobresale de manera contundente el departamento del
Antioquía, con más de 1.000 víctimas. Esta situación podría estar
relacionada con dinámicas fronterizas, presencia de redes ilegales
transnacionales y condiciones de aislamiento geográfico, que facilitan
la comisión de este tipo de delitos con escasa intervención estatal.
Otros departamentos con cifras significativas de secuestros infantiles
son Cesar, Tolima, Valle del Cauca, Caquetá, Meta, Cauca, Bogotá D.C. y
Bolívar. En estas regiones, el conflicto armado, el narcotráfico, las
disputas territoriales y la debilidad institucional han configurado
contextos de alta vulnerabilidad para la niñez. La instrumentalización
de niños y niñas como objetos de canje, presión política o intimidación
ha sido una práctica lamentablemente común en estas zonas. En contraste,
departamentos como San Andrés y Providencia, Vaupés, Vichada, Amazonas,
Atlántico, Guainía, Guaviare y Arauca presentan cifras notoriamente
menores. Sin embargo, es importante considerar que la baja en las cifras
puede no solo deberse a una menor ocurrencia, sino también a problemas
de subregistro, temor a denunciar o dificultades para acceder a los
sistemas judiciales y de protección en territorios apartados. Esta
gráfica visibiliza cómo el secuestro infantil no es un fenómeno
homogéneo, sino que se concentra en áreas históricamente conflictivas o
con características geográficas y sociales que facilitan la impunidad.
Es fundamental que las políticas públicas de prevención y atención al
secuestro infantil incorporen un enfoque territorial, interinstitucional
y centrado en los derechos de la infancia, así como estrategias
efectivas de recuperación psicosocial y reintegración para las víctimas
y sus familias. 
La siguiente gráfica nos muestra el número de
infantes víctimas del reclutamiento forzado en Colombia, distribuidos
por departamento. Esta forma de victimización, asociada principalmente
al conflicto armado y a la presencia de grupos armados ilegales,
evidencia patrones territoriales preocupantes. En esta gráfica destaca
el departamento del Meta, con un cifra bastante alta a diferencia del
resto, superando de lejos a las 1000 víctimas infantiles. Esta situación
refleja la fuerte presencia histórica de actores armados ilegales en la
región y su uso sistemático de menores para labores de guerra,
inteligencia, logística y explotación. Otro departamento con cifras
elevadas es Antioquia, lo cual resulta llamativo dadas sus
características geográficas y poblacionales, pero que podría estar
relacionado con redes ilegales que operan en zonas de frontera con
escasa presencia estatal. También presentan cifras considerables los
departamentos de Caquetá, Guaviare, Cauca, Nariño, Putumayo y Tolima,
regiones que históricamente han sido escenarios de conflicto armado
interno, con debilidades institucionales y alta vulnerabilidad de las
comunidades rurales. En estas zonas, la infancia ha sido uno de los
sectores más vulnerables ante el accionar de grupos armados que han
visto en ellos una fuerza de trabajo fácilmente manipulable. En
contraste, departamentos como Quindío, Atlántico, Bogotá D.C., Guainía y
Amazonas muestran cifras considerablemente más bajas. Estas cifras
podrían reflejar tanto una menor presencia de grupos armados en el
territorio como posibles vacíos en los sistemas de registro y denuncia.
Este gráfico revela cómo el reclutamiento infantil es una de las formas
más crueles y persistentes de violencia ejercida contra la infancia en
Colombia. Su distribución territorial evidencia una correlación con
áreas rurales, fronterizas y de histórica presencia armada. Es urgente
fortalecer las estrategias de prevención, protección y reparación
integral, con enfoque territorial y étnico, para evitar que la infancia
siga siendo utilizada como instrumento de guerra.
Análisis General
La violencia contra la niñez se manifiesta tanto en zonas rurales como urbanas, reflejando su carácter transversal y la urgencia de respuestas institucionales eficaces. En este sentido, es fundamental el diseño e implementación de políticas públicas integrales que consideren las particularidades de cada región, con un enfoque territorial, étnico y de derechos, para prevenir nuevas violencias, proteger a los menores y reparar el daño sufrido por quienes ya han sido víctimas. Esta situación exige una acción coordinada del Estado y la sociedad, con el fin de garantizar que la infancia no siga siendo blanco de la guerra ni de la criminalidad.
El presente gráfico presenta el número de
adolescentes víctimas de homicidio en los distintos departamentos de
Colombia. Este tipo de violencia representa una de las formas más
extremas de vulneración de derechos en la juventud y refleja tanto las
dinámicas del conflicto armado como las crecientes problemáticas de
violencia urbana, delincuencia organizada y exclusión social. Destaca de
manera absolutamente alarmante el departamento del Amazonas, que
concentra una cifra desproporcionada de homicidios en esta categoría,
superando ampliamente las 9.000 víctimas adolescentes. Este valor
atípico puede responder a múltiples factores, entre dinámicas violentas
relacionadas con la minería ilegal, redes de narcotráfico y baja
presencia institucional en una región de alta complejidad territorial y
social. Le siguen con cifras destacadas los departamentos de Valle del
Cauca y Bogotá D.C. , que superan los 1.000 casos. Estas regiones se han
visto fuertemente afectadas por fenómenos de violencia urbana,
pandillas, economías ilegales y conflictos sociales, donde los
adolescentes, en su tránsito hacia la adultez, se convierten en blanco
fácil de reclutamiento forzado, violencia letal o asesinatos selectivos.
Asimismo, departamentos como Atlántico, Cauca, Caldas, Norte de
Santander, Nariño y Santander presentan también cifras importantes, lo
que refleja que la violencia letal contra adolescentes no es exclusiva
de las zonas rurales en conflicto, sino que también se presenta de forma
crítica en contextos urbanos y suburbanos. Por otro lado, territorios
como San Andrés y Providencia, Vaupés, Vichada, Guainía y Guaviare
muestran cifras notablemente más bajas. Si bien esto podría indicar
contextos menos violentos o poblaciones adolescentes menores, también es
posible que existan dificultades en la denuncia y el registro,
especialmente en regiones apartadas o con presencia limitada del Estado.
Esta gráfica pone de relieve una problemática urgente: la adolescencia
en Colombia está siendo víctima de homicidios en múltiples escenarios
del país, tanto por causas estructurales como por la acción directa de
actores armados o criminales. Es fundamental que los tomadores de
decisiones enfoquen estrategias de prevención de violencia letal con un
enfoque diferencial por edad, género y territorio, que incluya inversión
social, oportunidades educativas y fortalecimiento de entornos seguros
para los y las adolescentes. 
El gráfico anterior muestra el número de
adolescentes víctimas de desaparición forzada en Colombia, discriminado
por departamento. Esta modalidad de violencia refleja una de las formas
más dolorosas y persistentes del conflicto armado y otras formas de
criminalidad en el país, al dejar a las familias en una situación
prolongada de incertidumbre, sin verdad, justicia ni reparación. En esta
categoría resalta de forma preocupante el departamento de Bogotá D.C.,
que registra más de 6.000 adolescentes desaparecidos, una cifra
significativamente mayor que la del resto del país. Esta situación puede
reflejar fenómenos complejos relacionados con desapariciones urbanas,
redes de trata, reclutamiento forzado o incluso problemáticas asociadas
al crimen organizado y la marginalidad en contextos urbanos. También se
destacan los departamentos de Amazonas, con más de 2.000 casos, y Valle
del Cauca, con una cifra cercana a las 800 víctimas, lo cual sugiere una
fuerte incidencia de este fenómeno tanto en zonas periféricas como en
regiones urbanas y densamente pobladas. En estas regiones, los
adolescentes han sido víctimas tanto de actores armados como de
estructuras criminales, siendo forzados a desaparecer como represalia,
castigo o mecanismo de ocultamiento de otros delitos. Otros
departamentos como Tolima, Cundinamarca, Córdoba, Meta, Caldas, Norte de
Santander, Risaralda y Magdalena también presentan niveles elevados de
desapariciones, lo que indica que esta práctica se ha extendido en
territorios con alta conflictividad y baja capacidad estatal para
proteger a la población joven. En contraste, departamentos como Vaupés,
Vichada, Guainía, Quindío y San Andrés y Providencia, La Guajira y Chocó
presentan cifras mucho menores. Aunque esto podría indicar menor
incidencia, también es posible que la lejanía geográfica, la falta de
sistemas robustos de denuncia o el miedo a represalias estén generando
un subregistro importante. Este panorama evidencia que la desaparición
de adolescentes en Colombia no es un fenómeno aislado, sino estructural,
que se manifiesta tanto en el campo como en la ciudad, afectando
gravemente los derechos de los jóvenes. 
La gráfica anterior ilustra el número de
adolescentes que han sido víctimas de secuestro en Colombia,
clasificados por departamento. Este delito, que representa una de las
formas más traumáticas de violencia, ha sido utilizado tanto por grupos
armados ilegales como por bandas criminales con fines de control
territorial, extorsión, intimidación o represalia. Destaca de forma
preocupante el departamento de Antioquia, que registra más de 450
adolescentes secuestrados, ubicándose como el territorio con la cifra
más alta del país. Esta situación se vincula históricamente con la
presencia de grupos armados al margen de la ley, disputas territoriales,
control de corredores estratégicos y fenómenos de violencia rural y
urbana que han afectado directamente a la población juvenil. Le siguen
con cifras significativas los departamentos de Nariño, Norte de
Santander y Meta, que superan los 100 casos cada uno. Estas regiones han
sido tradicionalmente zonas de fuerte presencia de actores armados
ilegales, economías ilícitas como el narcotráfico y rutas de
movilización, factores que han incrementado la vulnerabilidad de los
adolescentes al secuestro, tanto con fines de presión política como de
explotación o reclutamiento forzado. También aparecen con niveles
relevantes Caquetá, Casanare, Bogotá D.C. , Cauca, Bolívar, Cesar, Valle
del Cauca y Huila, lo que refuerza la idea de que el secuestro de
adolescentes ha tenido una distribución geográfica amplia, aunque más
concentrada en zonas de conflicto histórico y presencia activa de
estructuras armadas o criminales. En contraste, departamentos como
Guaviare, Quindío, Boyacá, Vaupés y Vichada reportan cifras muy bajas.
Esto puede explicarse por factores como la baja densidad poblacional,
menor actividad armada en algunos casos o posibles subregistros por
barreras institucionales, culturales o geográficas para la denuncia.
Este panorama revela una realidad crítica: el secuestro de adolescentes
ha sido una práctica extendida y sistemática en varios territorios del
país, afectando gravemente a una población en formación que sufre
profundas consecuencias psicológicas, sociales y familiares. Es
fundamental fortalecer las estrategias de prevención, protección e
investigación, así como garantizar rutas eficaces de atención integral a
las víctimas y sus familias. 
La gráfica muestra el número de adolescentes
reclutados forzadamente en Colombia, distribuidos por departamento. Este
delito representa una grave violación de los derechos humanos y del
derecho internacional humanitario, en tanto convierte a menores de edad
en partícipes forzados del conflicto armado, muchas veces sin
posibilidad de retorno seguro a la vida civil. Destaca de forma
alarmante el departamento de Meta, que reporta más de 1600 víctimas
adolescentes de reclutamiento, ubicándose como el territorio más
afectado del país. Esta región, históricamente golpeada por la
confrontación entre múltiples actores armados ilegales, presenta
dinámicas de control territorial, cultivos ilícitos y rutas estratégicas
que fomentan el uso de menores como combatientes, mensajeros,
informantes o trabajadores forzados. Le siguen en magnitud Antioquía,
con más de 1200 casos, también podemos con encontrarnos con
departamentos cómo Guaviare y Caquetá, con cifras superiores a 500
víctimas cada uno. Estos departamentos han registrado una fuerte
presencia de grupos armados organizados, conflictos étnico-territoriales
y una debilidad institucional que facilita el reclutamiento de
adolescentes, especialmente en comunidades rurales o indígenas. Otros
departamentos con cifras relevantes incluyen Cauca, Cundinamarca, Valle
del Cauca, Tolima, Arauca y Casanare. En todos estos casos, las
condiciones de pobreza, desprotección estatal, violencia estructural y
desarraigo familiar han facilitado el alistamiento forzado de
adolescentes. En contraste, departamentos como Bogotá D.C., Atlántico
Amazonas, Quindío y Sucre muestran cifras considerablemente menores.
Esto puede estar relacionado con una mayor urbanización, menor presencia
de grupos armados o menor densidad poblacional, aunque también podría
implicar subregistro o falta de denuncia. Este panorama revela que el
reclutamiento forzado de adolescentes es una estrategia sistemática
utilizada por distintos actores ilegales para mantener su estructura de
guerra y control social.
Análisis General
La situación evidencia que la adolescencia en Colombia sigue siendo
blanco directo de múltiples formas de violencia, que truncaron sus
proyectos de vida y generan efectos devastadores en sus familias y
comunidades. Urge, por tanto, una acción estatal decidida y sostenida,
basada en un enfoque diferencial por edad y territorio, que priorice la
protección integral de los adolescentes mediante oportunidades reales de
desarrollo, educación, participación y justicia restaurativa. 
La gráfica presenta el número de víctimas de
homicidio en la categoría de adultez, distribuidas por departamento en
Colombia. Este fenómeno representa una grave problemática social y de
seguridad, afectando principalmente a personas en edad productiva, lo
cual impacta no solo a sus familias, sino también al desarrollo
económico y social de los territorios más afectados. Llama poderosamente
la atención el caso de Antioquia, que reporta más de 100,000 víctimas
adultas de homicidio, ubicándose como el departamento más golpeado del
país por este tipo de violencia. Esta cifra puede estar relacionada con
un largo historial de conflicto armado, presencia de grupos armados
ilegales, narcotráfico y crimen organizado, así como con una
urbanización acelerada en zonas como Medellín y su área metropolitana,
donde persisten altos índices de violencia interpersonal. Otro foco
crítico es Valle del Cauca, con una cifra cercana a los 50,000
homicidios en adultos. Este departamento, y en particular su capital
Cali, ha sido escenario recurrente de enfrentamientos entre bandas
criminales, disputas por el microtráfico y problemas estructurales como
la desigualdad y el desempleo juvenil. También destacan departamentos
como Bogotá D.C., Cauca, Atlántico y Norte de Santander, con cifras que
oscilan entre los 9,000 y 25,000 casos. En estas regiones, la
combinación de dinámicas urbanas conflictivas, ausencia de
oportunidades, tensiones sociales y violencia estructural contribuye
significativamente a los homicidios. En contraste, departamentos como
Vaupés, Vichada, Guainía y San Andrés y Providencia presentan cifras muy
bajas. Esto podría deberse a su menor densidad poblacional, mayor
aislamiento geográfico o incluso a un subregistro en las cifras por
dificultades de acceso institucional. Este panorama evidencia que el
homicidio en adultos continúa siendo un problema persistente y altamente
concentrado en determinados departamentos. La violencia letal en la
adultez no sólo refleja conflictos armados o criminales, sino también la
precariedad de las condiciones sociales, la ineficacia de las políticas
de prevención y la falta de presencia estatal efectiva en muchas zonas
del país. 
La gráfica ilustra el número de personas adultas
víctimas de desaparición forzada en Colombia, organizadas por
departamento. Este crimen representa una de las violaciones más graves a
los derechos humanos, pues priva a las víctimas de su libertad y a sus
familias del derecho a la verdad, la justicia y la reparación. Además,
genera un impacto prolongado en las comunidades, profundizando el miedo,
la incertidumbre y la desconfianza institucional. Resalta de manera
crítica el caso del departamento de Antioquia, que encabeza el registro
con más de 24,000 víctimas adultas desaparecidas. Esta alarmante cifra
refleja el profundo impacto del conflicto armado en esta región, donde
se concentraron históricamente múltiples actores armados ilegales,
incluyendo guerrillas, paramilitares y estructuras criminales. La
presencia de fosas comunes, la ausencia prolongada del Estado y la
impunidad han hecho de Antioquia uno de los epicentros de esta tragedia.
En segundo lugar, se encuentra Bogotá D.C., con una cifra cercana a las
20,000 víctimas. Aunque se trata de una zona urbana, la capital del país
ha sido escenario de desapariciones forzadas tanto en el contexto del
conflicto armado como en dinámicas de criminalidad urbana, limpieza
social y represión estatal en distintos periodos históricos. Valle del
Cauca también registra una cifra preocupante, cercanos a las 10,000
víctimas. Esta región, marcada por disputas entre grupos armados
ilegales, narcotráfico y violencia urbana, ha sido históricamente
vulnerable a este tipo de crímenes, particularmente en ciudades como
Cali y Buenaventura. Otros departamentos con cifras relevantes incluyen
Magdalena, Norte de Santander, Atlántico, Meta, Cundinamarca, Tolima y
Cesar. En muchos de estos territorios se combinan factores como control
armado territorial, debilidad institucional, persecución política y
conflictos sociales, que han favorecido la comisión de desapariciones
forzadas, muchas veces sin mecanismos eficaces para su esclarecimiento.
En contraste, departamentos como Vaupés, Guainía, San Andrés y
Providencia, Amazonas y Vichada presentan cifras notablemente bajas.
Esto puede deberse a una menor densidad poblacional o, en algunos casos,
a subregistros derivados de la inaccesibilidad geográfica o del temor a
denunciar. Este panorama evidencia que la desaparición forzada ha sido
una estrategia sistemática empleada en diversas regiones del país, no
solo para eliminar físicamente a opositores, sino también como una forma
de control social y dominación territorial. 
La gráfica refleja el número de víctimas de
secuestro en la categoría de adultez, desagregado por departamento. El
secuestro ha sido una de las formas más crueles y extendidas de
violencia durante el conflicto armado colombiano, utilizado tanto como
mecanismo de financiación, coerción política y control social. Esta
práctica ha dejado una huella profunda de dolor y afectación psicosocial
en las víctimas directas y en sus familias. Resalta de forma crítica el
caso del departamento de Antioquia, con más de 8,000 víctimas adultas de
secuestro, lo que lo convierte en el territorio más afectado por este
flagelo. Esta cifra refleja el prolongado accionar de grupos armados
ilegales en la región, especialmente durante los años más intensos del
conflicto, cuando Antioquia fue epicentro de operaciones guerrilleras,
paramilitares y de bandas criminales. Le siguen Cesar y Bolívar, con
cifras cercanas a los 2,500 y 3,500 secuestros respectivamente. En el
caso de la capital, muchas de estas víctimas pueden estar asociadas a
secuestros extorsivos urbanos, mientras que en departamentos como Cesar,
el fenómeno ha estado vinculado a disputas territoriales entre actores
armados, especialmente en zonas rurales. Otros departamentos con cifras
relevantes incluyen Meta, Norte de Santander, Nariño, Caquetá, Cauca y
Valle del Cauca. Estas regiones han sido históricamente vulnerables a
los secuestros debido a la presencia activa de grupos insurgentes,
quienes utilizaban esta práctica como fuente de financiación a través
del cobro de rescates o como castigo a sectores considerados “enemigos”.
En contraste, departamentos como San Andrés y Providencia, Quindío,
Guainía, Vaupés y Vichada presentan cifras significativamente menores.
Esto podría deberse a su baja densidad poblacional, menor actividad
armada documentada o posibles subregistros derivados del aislamiento
geográfico o del miedo a denunciar. La magnitud del secuestro en la
adultez revela la sistematicidad con la que este delito fue utilizado en
distintas regiones del país. Más allá del impacto inmediato, el
secuestro deja secuelas prolongadas en la salud mental de las víctimas,
en la estabilidad familiar y en la confianza ciudadana. 
La gráfica refleja el número de víctimas de
reclutamiento forzado en la categoría de adultez, desagregado por
departamento. El reclutamiento de personas adultas, aunque menos
visibilizado que el de menores de edad, ha sido una práctica recurrente
en el conflicto armado colombiano, utilizada por los grupos armados
ilegales para fortalecer sus filas, asegurar el control territorial y
ejercer coerción sobre la población civil. Esta forma de violencia
conlleva graves vulneraciones a los derechos humanos, implicando
desarraigo, trabajos forzados y sometimiento a condiciones degradantes.
Resalta de forma crítica el caso del departamento de Antioquia, con más
de 500 víctimas adultas de reclutamiento forzado, lo que lo posiciona
como el territorio más afectado según la gráfica. Esta cifra evidencia
el arraigo histórico del conflicto en la región, donde la presencia de
guerrillas, paramilitares y otros actores armados ha sido persistente.
En particular, Antioquia ha sido escenario de confrontaciones
prolongadas y de fuerte presión sobre la población civil, lo que
facilita este tipo de prácticas sistemáticas. Le siguen departamentos
como Meta y Guaviare, con cifras también elevadas que superan las 500 y
200 víctimas respectivamente. En estos territorios, el reclutamiento
forzado se ha desarrollado en el marco de economías ilícitas, como el
narcotráfico, y de intensas disputas territoriales entre distintos
grupos armados, lo cual expone a la población adulta –especialmente
campesina– a procesos de cooptación forzada, muchas veces bajo amenaza o
engaño. Otros departamentos con cifras relevantes incluyen Cauca,
Nariño, Caquetá y Putumayo, regiones caracterizadas por su ruralidad,
limitada presencia estatal y alta actividad de grupos armados. Estas
condiciones han propiciado un entorno favorable para el reclutamiento
forzado, en el que los adultos son considerados mano de obra útil y
potenciales colaboradores o combatientes, sin opción a negarse. En
contraste, departamentos como Quindío, Sucre, Risaralda, La Guajira,
Guainía y Atlántico presentan cifras mucho menores. Esta baja incidencia
podría explicarse por factores como su menor densidad poblacional, una
menor intensidad del conflicto armado o, en algunos casos, posibles
subregistros asociados a barreras geográficas y culturales que
dificultan la denuncia y documentación del fenómeno. La magnitud del
reclutamiento forzado en la adultez pone de manifiesto una práctica
sistemática que, si bien ha sido menos visibilizada en comparación con
la niñez, también genera impactos devastadores. Las consecuencias no
solo se reflejan en la pérdida de libertad y dignidad de las víctimas,
sino también en sus comunidades, al truncar proyectos de vida,
desintegrar núcleos familiares y perpetuar el ciclo de violencia en las
zonas rurales del país.
Análisis General
La persistencia de estas prácticas —ya sea como estrategia de guerra, represión social o control territorial, exige una respuesta contundente del Estado colombiano, que no sólo castigue a los responsables, sino que también garantice condiciones dignas de vida, mecanismos eficaces de protección, verdad y reparación para las víctimas, y acciones estructurales que desactiven las causas profundas de la violencia
11.¿La distribución de las edades esta sesgada mas a la parte de Infacncia o adultos?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y crear sus respectivas distribuciones de las distintas edades con el fin de saber si la distribución está sesgada un determinado rango edad (aplica para todos los delitos):
datos <- datos %>%
filter(!is.na(edad_categoria)) %>%
mutate(edad_media = case_when(
str_detect(edad_categoria, "\\d+-\\d+") ~ {
as.numeric(str_extract(edad_categoria, "^\\d+")) +
(as.numeric(str_extract(edad_categoria, "\\d+$")) -
as.numeric(str_extract(edad_categoria, "^\\d+"))) / 2
},
edad_categoria == "5-sep" ~ 7, # Aprox 5-9 años
edad_categoria == "oct-14" ~ 11, # Aprox 8-14 años
edad_categoria == "95\\+" ~ 97.5, # Valor estimado para 95+
TRUE ~ NA_real_
))
ggplot(datos, aes(x = edad_media)) +
geom_histogram(aes(y = ..density..), bins = 20, fill = "steelblue", alpha = 0.6) +
geom_density(color = "red", size = 1.2, adjust = 4) + # ¡Más suave todavía!
labs(title = "Distribución de edades de víctimas de homicidio",
x = "Edad (estimada)",
y = "Densidad") +
theme_minimal()
La siguiente gráfica demuestra la distribución de
las distintas edades afectadas por la problemática de secuestro en
Colombia, a través de un histograma con una curva densidad suavizada en
rojo. Este análisis nos permite identificar los rangos más afectados por
esta situación que violan los derechos humanos, y ofrece pistas sobre
los perfiles poblacionales más vulnerables a esta práctica durante el
conflicto armado.
La curva evidencia que la mayoría de las víctimas de secuestro se
concentran en el rango de jóvenes adultos y adultos intermedios,
aproximadamente entre los 20 y los 50 años. Este grupo representa la
mayor densidad dentro de la distribución, lo cual puede explicarse por
varios factores. En primer lugar, se trata de una población en edad
productiva, lo que la hace especialmente atractiva para los
perpetradores del secuestro, ya sea por motivos de extorsión, trabajo
forzado o presión política. Además, son personas que suelen tener una
mayor movilidad y exposición, aumentando su vulnerabilidad al ser
capturados en desplazamientos rurales, zonas de conflicto o áreas sin
suficiente presencia estatal. La gráfica también muestra una menor
incidencia en edades extremas: adultos mayores y adultos mayores. No
obstante, el hecho de que haya casos registrados en estas edades, aunque
menos frecuentes, demuestra que el secuestro ha sido ejercido sin
distinción etaria en ciertas circunstancias, afectando incluso a
personas particularmente indefensas. La presencia de secuestros en
menores podría vincularse con otras formas de violencia como el
reclutamiento forzado o la instrumentalización de menores por parte de
grupos armados. En el caso de los adultos mayores, estos eventos suelen
estar ligados a represalias, intimidación o a la búsqueda de recursos
económicos mediante extorsión. Esta distribución etaria subraya el
carácter sistemático y estratégico del secuestro durante el conflicto
armado colombiano, donde no solo se atentó contra la libertad de las
personas, sino que se seleccionaron víctimas en función de su utilidad o
simbolismo dentro del contexto territorial. 
La siguiente gráfica muestra la distribución de
edades de las víctimas de desapariciones en Colombia, a través de un
histograma con una curva de densidad suavizada en rojo. Este análisis
permite identificar los rangos etarios más afectados por esta grave
violación a los derechos humanos, y ofrece pistas sobre los perfiles
poblacionales más vulnerables a la desaparición forzada durante el
conflicto armado. La curva evidencia que la mayoría de las víctimas de
desaparición se concentran en el rango de adolescentes y jóvenes
adultos, especialmente entre los 15 y los 30 años, con un pico notorio
alrededor de los 20 años. Este grupo representa la mayor densidad dentro
de la distribución, lo cual puede explicarse por su perfil: personas en
edad productiva, en tránsito o en búsqueda de oportunidades laborales, y
que a menudo se encuentran en contextos de alta movilidad o exposición
en zonas de conflicto. Este grupo también ha sido históricamente
estigmatizado o sospechoso de simpatizar con alguno de los actores
armados, lo que aumentaba el riesgo de ser blanco de desapariciones por
razones políticas o estratégicas. A medida que la edad avanza, la
densidad de víctimas disminuye de forma progresiva, aunque se observan
registros hasta edades avanzadas. Esto indica que, si bien los jóvenes
fueron los principales afectados, las desapariciones también alcanzaron
a personas adultas y mayores, aunque en menor proporción. En el extremo
inferior del gráfico, también se identifican casos en edades tempranas,
lo que resulta especialmente alarmante y sugiere la afectación de
adolescentes y jóvenes adultos, posiblemente en contextos de
reclutamiento, represalias o castigo colectivo. La concentración en
edades tempranas evidencia que la desaparición no fue un fenómeno
aleatorio, sino una práctica deliberada, orientada en muchos casos a
neutralizar liderazgos emergentes, controlar a las comunidades, infundir
miedo o castigar a quienes eran percibidos como opositores. 
La siguiente gráfica presenta la distribución de
edades de las víctimas de reclutamiento, mediante un histograma
complementado con una curva de densidad suavizada en rojo. Este análisis
permite identificar los grupos más afectados por esta grave práctica,
ampliamente utilizada por actores armados ilegales durante el conflicto
colombiano, y que constituye una de las formas más sistemáticas de
violación a los derechos humanos. La curva evidencia un pico pronunciado
entre los 14 y 18 años, lo que indica con claridad que la mayoría de las
víctimas de reclutamiento forzado fueron niños, niñas y adolescentes.
Este dato es alarmante y confirma una de las dinámicas más crueles del
conflicto: la incorporación forzada de menores de edad a estructuras
armadas ilegales ya sea como combatientes, mensajeros, informantes o
incluso en roles de explotación sexual. La edad promedio de las víctimas
se concentra en la adolescencia temprana, lo que refleja una estrategia
de reclutamiento deliberada, orientada a captar a personas en una etapa
altamente vulnerable, tanto psicológica como socialmente. A medida que
la edad avanza, la densidad disminuye de manera drástica, con muy pocos
casos reportados en edades superiores a los 25 años. Esta distribución
altamente sesgada refuerza la hipótesis de que el reclutamiento se
dirigía principalmente a personas jóvenes, aprovechando su falta de
oportunidades, la presión social, la desprotección estatal o el
adoctrinamiento en zonas de fuerte control armado. En el extremo
inferior del gráfico se observa también una presencia no despreciable de
víctimas incluso menores de 10 años, lo que eleva aún más la gravedad
del fenómeno y deja en evidencia prácticas aberrantes contra la niñez.
Este patrón revela el carácter sistemático del reclutamiento como
herramienta de guerra y control territorial, donde los menores fueron
instrumentalizados no solo como recurso militar, sino también como forma
de desestructurar comunidades, generar miedo y perpetuar ciclos de
violencia. En muchos casos, las familias no solo perdieron a sus hijos
físicamente, sino que también enfrentaron amenazas, desplazamientos
forzados o represalias por oponerse a estas prácticas. 
La siguiente gráfica ilustra la distribución etaria
de las víctimas de homicidio en el marco del conflicto armado
colombiano, utilizando un histograma con una curva de densidad suavizada
en rojo. Esta visualización permite identificar los grupos poblacionales
más afectados por esta forma extrema de violencia, revelando patrones
que dan cuenta del carácter selectivo, estratégico y, en muchos casos,
sistemático del homicidio como mecanismo de control, eliminación y
represalia. La curva muestra que el grupo etario más afectado se
concentra entre los 20 y los 35 años, siendo esta franja la de mayor
densidad. Esto indica que los jóvenes adultos constituyeron el principal
blanco de los homicidios, lo cual puede explicarse por múltiples
factores. Este rango de edad suele coincidir con una etapa de alta
participación social, laboral, política y comunitaria, lo que los
convierte en objetivos recurrentes de actores armados ilegales que
buscan eliminar liderazgos emergentes, sembrar terror en comunidades o
desarticular redes organizativas. También puede reflejar que muchos de
los homicidios se dieron en el contexto de confrontaciones armadas
directas, donde los jóvenes eran más propensos a participar, voluntaria
o forzadamente. A medida que aumenta la edad, la densidad de homicidios
disminuye progresivamente, aunque se mantiene una presencia constante
hasta edades avanzadas. Esto sugiere que, aunque la violencia letal se
focalizó principalmente en los jóvenes, personas mayores también fueron
víctimas, posiblemente en el marco de represalias, señalamientos o como
daños colaterales de operativos armados. En el extremo inferior, se
evidencian también homicidios de niños, niñas y adolescentes, aunque en
menor proporción. Estos casos son especialmente graves, pues reflejan el
carácter indiscriminado o ejemplarizante de la violencia, donde incluso
la infancia fue víctima de asesinatos con fines de intimidación o
castigo colectivo. La presencia de una ligera alza en edades mayores
(cercanas a los 80 años) también puede indicar situaciones particulares,
como homicidios en contextos de desplazamientos forzados, masacres o
eliminación de testigos. En conjunto, esta distribución etaria pone de
manifiesto el uso del homicidio no sólo como un medio para eliminar
físicamente al “enemigo”, sino también como un mecanismo de control
social y político en los territorios. Las víctimas, en su mayoría
jóvenes, representan proyectos de vida truncados y una pérdida
irreparable para sus comunidades.
Análisis general
En primer lugar, se observa que los jóvenes adultos (aproximadamente entre los 20 y 35 años) fueron el grupo más golpeado en la mayoría de las formas de violencia analizadas. Tanto en los casos de secuestro como de homicidio y desaparición forzada, este segmento de la población aparece como el de mayor densidad. Esto se debe a que se trata de una etapa de la vida asociada con la productividad, la movilidad, el liderazgo y la participación comunitaria o política, lo que los convierte en objetivos estratégicos para fines de control territorial, eliminación de liderazgos, extorsión o castigo. Por otro lado, la gráfica del reclutamiento forzado evidencia una realidad aún más cruda: niños, niñas y adolescentes, especialmente entre los 14 y 18 años, fueron las principales víctimas de esta práctica. Este patrón muestra el uso deliberado de menores por parte de grupos armados ilegales, quienes aprovecharon su vulnerabilidad, desprotección institucional y falta de oportunidades para incorporarlos a sus filas.
12.Si conviertes edad categoría a numérica, ¿cuál es la edad promedio de las víctimas?
En el siguiente código se presenta la manera que se manejaron los datos para filtrarlos y hacer analisis de los rangos de edad dados por el dataset con el fin de convertirlos a datos númericos y hallar determinados datos estadísticos. Además se han llegado a realizar tanto histogramas cómo diagramas de caja de bigotes con el fin de complementar la información que se ha obtenido(aplica para todos los delitos):
datos <- datos %>%
mutate(edad_categoria = ifelse(edad_categoria == "95+", "95-100", edad_categoria))
# Tabla de frecuencias
tabla <- datos %>%
count(edad_categoria) %>%
rename(Frecuencia = n) %>%
mutate(
Limites = strsplit(as.character(edad_categoria), "-"),
Lim_inf = as.numeric(sapply(Limites, `[`, 1)),
Lim_sup = as.numeric(sapply(Limites, `[`, 2)),
Marca_clase = (Lim_inf + Lim_sup) / 2
) %>%
arrange(Lim_inf) %>%
mutate(
Frec_acum = cumsum(Frecuencia),
Frec_rel = Frecuencia / sum(Frecuencia),
Frec_rel_acum = cumsum(Frec_rel)
)
# Mostrar tabla resultante
print(tabla)
# Media
media <- sum(tabla$Marca_clase * tabla$Frecuencia) / sum(tabla$Frecuencia)
cat("Media:", round(media, 2), "\n")
# Moda
moda <- tabla$Marca_clase[which.max(tabla$Frecuencia)]
cat("Moda:", moda, "\n")
# Mediana
N <- sum(tabla$Frecuencia)
N_mitad <- N / 2
fila_mediana <- which(tabla$Frec_acum >= N_mitad)[1]
L_i <- tabla$Lim_inf[fila_mediana]
F_a <- ifelse(fila_mediana == 1, 0, tabla$Frec_acum[fila_mediana - 1])
f_i <- tabla$Frecuencia[fila_mediana]
h <- tabla$Lim_sup[fila_mediana] - tabla$Lim_inf[fila_mediana]
mediana <- L_i + ((N_mitad - F_a) / f_i) * h
cat("Mediana:", round(mediana, 2), "\n")
# Varianza y desviación estándar
varianza <- sum(tabla$Frecuencia * (tabla$Marca_clase - media)^2) / (N - 1)
desviacion <- sqrt(varianza)
cat("Varianza:", round(varianza, 2), "\n")
cat("Desviación estándar:", round(desviacion, 2), "\n")
# Cuartiles
# Q1
pos_Q1 <- N / 4
fila_Q1 <- which(tabla$Frec_acum >= pos_Q1)[1]
L_Q1 <- tabla$Lim_inf[fila_Q1]
F_Q1 <- ifelse(fila_Q1 == 1, 0, tabla$Frec_acum[fila_Q1 - 1])
f_Q1 <- tabla$Frecuencia[fila_Q1]
h_Q1 <- tabla$Lim_sup[fila_Q1] - tabla$Lim_inf[fila_Q1]
Q1 <- L_Q1 + ((pos_Q1 - F_Q1) / f_Q1) * h_Q1
# Q3
pos_Q3 <- 3 * N / 4
fila_Q3 <- which(tabla$Frec_acum >= pos_Q3)[1]
L_Q3 <- tabla$Lim_inf[fila_Q3]
F_Q3 <- ifelse(fila_Q3 == 1, 0, tabla$Frec_acum[fila_Q3 - 1])
f_Q3 <- tabla$Frecuencia[fila_Q3]
h_Q3 <- tabla$Lim_sup[fila_Q3] - tabla$Lim_inf[fila_Q3]
Q3 <- L_Q3 + ((pos_Q3 - F_Q3) / f_Q3) * h_Q3
IQR <- Q3 - Q1
cat("Q1:", round(Q1, 2), "\n")
cat("Q3:", round(Q3, 2), "\n")
cat("IQR:", round(IQR, 2), "\n")
# Asimetría
asimetria <- sum(tabla$Frecuencia * (tabla$Marca_clase - media)^3) / (N * desviacion^3)
cat("Asimetría:", round(asimetria, 4), "\n")
# Curtosis
curtosis <- (sum(tabla$Frecuencia * (tabla$Marca_clase - media)^4) / (N * desviacion^4)) - 3
cat("Curtosis:", round(curtosis, 4), "\n")
# Histograma basado en frecuencias por categoría de edad
ggplot(tabla, aes(x = factor(edad_categoria, levels = tabla$edad_categoria), y = Frecuencia)) +
geom_bar(stat = "identity", fill = "skyblue", color = "black") +
labs(
title = "Histograma de homicidios por categoría de edad",
x = "Categoría de edad",
y = "Frecuencia"
) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Boxplot de bigotes
vector_edades <- rep(tabla$Marca_clase, times = tabla$Frecuencia)
df_box <- data.frame(age = vector_edades)
ggplot(df_box, aes(x = factor(1), y = age)) +
geom_boxplot(fill = "#69b3a2", color = "black", outlier.colour = "red") +
labs(
title = "Boxplot de edades homicidios (punto medio de intervalos)",
y = "Edad aproximada",
x = NULL
) +
scale_x_discrete(name = NULL) + # fuerza un eje discreto con un solo nivel
theme_minimal() +
theme(
axis.text.x = element_blank(), # quita las etiquetas del eje X
axis.ticks.x = element_blank() # quita los ticks del eje X
)- en promedio, que edades han sido afectadas
- varianza y desviacion estandar
- Aplicando los cuartiles, ¿que podemos deducir?
- y su sesgo?
- que hay de su kurtosis?
1. DESAPARICIONES
Parámetros Estadísticos:
Media (31.17 años): En promedio, la edad de las víctimas de desaparición es de aproximadamente 31 años.
Moda (17 años): La edad más frecuente entre las víctimas de desaparición es 17 años. Esto concuerda con el histograma que muestra el pico en la categoría 15-19.
Mediana (26.23 años): El 50% de las víctimas de desaparición tienen 26.23 años o menos, y el otro 50% tiene más. Que la mediana sea menor que la media sugiere una distribución con una cola hacia la derecha (edades mayores).
Varianza (389.75) y Desviación estándar (21.23 años): Indican una dispersión considerable de las edades alrededor de la media. Hay una amplia gama de edades afectadas.
Q1 (17.17 años): El 25% de las víctimas de desaparición tienen 17.17 años o menos.
Q3 (38.76 años): El 75% de las víctimas de desaparición tienen 38.76 años o menos (o, el 25% superior tiene más de 38.76 años).
IQR (Rango Intercuartílico: 21.59 años): El 50% central de las víctimas de desaparición se encuentra en un rango de edad de 21.59 años (aproximadamente entre 17 y 39 años).
Asimetría (1.3834): Un valor positivo indica una asimetría positiva (hacia la derecha). Esto significa que hay una cola más larga de víctimas en las edades mayores, lo cual es consistente con el histograma que, aunque tiene su pico en la adolescencia, se extiende con frecuencias considerables hacia la adultez.
Curtosis (1.8684): Un valor de curtosis positivo (mayor que 0 para una distribución normal o, a veces, mayor que 3 si se compara con la curtosis de una normal que es 3) indica una distribución leptocúrtica. Esto significa que la distribución tiene un pico más agudo y colas más pesadas (más outliers) de lo que tendría una distribución normal. En este caso, el pico se ve en los adolescentes y adultos jóvenes, y las colas se extienden.
Histograma de Desapariciones:
Visualmente confirma la moda alrededor de los 15-19 años.
Muestra una concentración alta también en los rangos de 20-24 y 25-29 años.
La distribución tiene una cola hacia la derecha, con frecuencias que disminuyen pero persisten en edades más avanzadas, y un repunte en las edades muy altas (95-100), lo que podría influir en la media y la asimetría.
El grupo 0-4 años también tiene una frecuencia notable.
Boxplot de Edades (Desapariciones) - (No proporcionado, pero podemos inferir):
La caja (que representa el rango intercuartílico, IQR) se extiende aproximadamente desde los 17-18 años (Q1) hasta cerca de los 39 años (Q3).
La línea de la mediana (Q2) se sitúa alrededor de los 26 años.
El bigote inferior se extiende hasta edades muy tempranas, cercanas a 0, mientras que el bigote superior alcanza aproximadamente los 65-70 años.
Se observan varios puntos outliers (representados por los puntos rojos) por encima del bigote superior, indicando víctimas de desaparición en edades significativamente mayores, que van desde los 70 años hasta cerca de los 100 años. Esto confirma la presencia de una cola derecha en la distribución de edades para este delito y la asimetría positiva previamente mencionada.
2. HOMICIDIOS
Parámetros Estadísticos:
Media (33.58 años): La edad promedio de las víctimas de homicidio es de aproximadamente 33-34 años.
Moda (22 años): La edad más frecuente es 22 años, lo que corresponde al pico en el histograma en la categoría 20-24.
Mediana (28.76 años): El 50% de las víctimas de homicidio tienen 28.76 años o menos. Nuevamente, la mediana es menor que la media, sugiriendo asimetría positiva.
Varianza (389.75) y Desviación estándar (19.74 años): Similar dispersión a las desapariciones, aunque la desviación estándar es un poco menor.
Q1 (21.61 años): El 25% de las víctimas tienen 21.61 años o menos.
Q3 (41.09 años): El 75% de las víctimas tienen 41.09 años o menos.
IQR (19.48 años): El 50% central de las víctimas de homicidio se encuentra en un rango de edad de aproximadamente 19.5 años (entre 21.6 y 41.1 años).
Asimetría (1.4013): Asimetría positiva, indicando una cola hacia las edades mayores.
Curtosis (2.3931): Distribución leptocúrtica, con un pico más pronunciado y colas más pesadas que una normal.
Histograma de Homicidios:
El pico es claramente en la categoría 20-24 años.
Altas frecuencias en 25-29 y 30-34 años.
También muestra una cola hacia la derecha y un repunte en las edades muy avanzadas (95-100).
El grupo 0-4 años es significativo.
Boxplot de Edades Homicidios (Proporcionado):
La caja se extiende aproximadamente desde los 21-22 años hasta los 41 años.
La línea mediana está cerca de los 29 años.
Outliers: Se observan varios puntos por encima del bigote superior, indicando víctimas de homicidio en edades significativamente mayores que el grueso de los datos (parecen estar entre los 75 y los 100 años, según la escala). Esto confirma la cola derecha y la curtosis.
3. RECLUTAMIENTOS
Parámetros Estadísticos:
Media (16.09 años): La edad promedio de las víctimas de reclutamiento es muy baja, alrededor de los 16 años.
Moda (17 años): La edad más frecuente es 17 años (categoría 15-19).
Mediana (15.93 años): Muy cercana a la media y la moda, lo que sugiere una distribución más concentrada, aunque la asimetría nos dirá más.
Varianza (72.59) y Desviación estándar (8.52 años): Mucho menor dispersión que en desapariciones y homicidios, lo que indica que las edades de reclutamiento están más agrupadas.
Q1 (12.38 años): El 25% de las víctimas de reclutamiento tienen 12.38 años o menos (¡niños!).
Q3 (17.83 años): El 75% de las víctimas tienen 17.83 años o menos (mayormente adolescentes).
IQR (5.45 años): El 50% central de las víctimas se encuentra en un rango muy estrecho de solo 5.45 años (aproximadamente entre 12 y 18 años).
Asimetría (5.1517): Un valor de asimetría muy alto y positivo. Esto indica una fuerte cola hacia la derecha. Aunque el grueso de los reclutados son niños y adolescentes, hay casos que se extienden a edades mayores, pero son menos frecuentes.
Curtosis (42.9454): Un valor de curtosis extremadamente alto. Esto indica una distribución muy puntiaguda (leptocúrtica) con colas muy pesadas. El pico es muy pronunciado en la adolescencia, y hay outliers significativos.
Histograma de Reclutamientos:
Pico dominante en la categoría 15-19 años, seguido por 10-14 años.
Frecuencias muy bajas para edades mayores de 20-24 años.
El grupo 0-4 años también muestra algunos casos.
La fuerte asimetría y curtosis se explican porque la mayoría de los casos están en un rango de edad muy joven, pero existen algunos casos dispersos en edades mayores que “estiran” la cola derecha.
Boxplot de Edades Reclutamiento (Proporcionado):
La caja es muy compacta y se sitúa en edades muy tempranas (aproximadamente entre 12 y 18 años).
La mediana está alrededor de los 16 años.
Outliers: Se observan muchísimos outliers por encima del bigote superior, extendiéndose hasta edades muy avanzadas (incluso cercanas a los 100 años). Esto es lo que causa la alta asimetría y curtosis. Indica que, aunque el reclutamiento se centra masivamente en menores, existen casos documentados de personas mucho mayores siendo reclutadas, aunque son atípicos.
4. SECUESTROS
Parámetros Estadísticos:
Media (41.61 años): La edad promedio de las víctimas de secuestro es la más alta de los cuatro delitos, alrededor de los 41-42 años.
Moda (32 años): La edad más frecuente es 32 años (categoría 30-34).
Mediana (36.12 años): El 50% de las víctimas tienen 36.12 años o menos. La media es mayor que la mediana, sugiriendo asimetría positiva.
Varianza (682.16) y Desviación estándar (26.12 años): La mayor varianza y desviación estándar, indicando la mayor dispersión de edades entre los delitos.
Q1 (23.45 años): El 25% de las víctimas tienen 23.45 años o menos.
Q3 (51.69 años): El 75% de las víctimas tienen 51.69 años o menos.
IQR (28.24 años): El 50% central de las víctimas se encuentra en un rango amplio de 28.24 años (aproximadamente entre 23.5 y 51.7 años).
Asimetría (0.8955): Asimetría positiva, pero menos pronunciada que en desapariciones y homicidios.
Curtosis (0.0569): Un valor de curtosis muy cercano a cero. Si se compara con una normal (curtosis=0 para exceso de curtosis, o kurtosis=3 para curtosis estándar), esto podría indicar una distribución mesocúrtica (similar a una normal en términos de pico y colas) o incluso ligeramente platicúrtica (más aplanada que una normal, con colas más ligeras), dependiendo de la referencia. Dado el histograma, parece más mesocúrtica o ligeramente platicúrtica en el cuerpo principal, pero con un repunte en las edades muy altas.
Histograma de Secuestros:
La distribución es más aplanada y extendida en la adultez, con picos en las categorías 30-34 y 35-39 años.
Altas frecuencias desde los 20-24 hasta los 50-54 años.
Tiene una caída y luego un repunte muy significativo en la categoría 95-100 años, lo que seguramente influye en la media y en la forma general.
El grupo 0-4 años también es visible.
Boxplot de Edades Secuestros (Proporcionado):
La caja es la más ancha, extendiéndose aproximadamente desde los 23 años hasta los 52 años.
La mediana está alrededor de los 36 años.
Outliers: Se observa un outlier en una edad muy avanzada (cerca de los 100 años), que corresponde al repunte en el histograma.
Resumen y Deducciones Generales:
Edades promedio afectadas:
Reclutamiento: ~16 años (la más baja, enfocada en menores)
Desapariciones: ~31 años
Homicidios: ~33-34 años
Secuestros: ~41-42 años (la más alta, enfocada en adultos)
Dispersión (Varianza/Desv. Estándar/IQR):
Reclutamiento tiene la menor dispersión (edades muy concentradas).
Secuestros tiene la mayor dispersión (afecta a un rango de edades adultas más amplio).
Desapariciones y homicidios tienen una dispersión intermedia y similar entre sí.
Forma de la Distribución (Asimetría y Curtosis):
Reclutamiento es la más distintiva: extremadamente asimétrica a la derecha y muy leptocúrtica, debido al fuerte enfoque en menores con algunos casos atípicos en edades mayores.
Desapariciones y Homicidios muestran asimetría positiva y son leptocúrticas, indicando que, aunque los picos están en la juventud/adultez temprana, hay una cantidad considerable de víctimas mayores.
Secuestros tiene una asimetría positiva más leve y una curtosis cercana a la de una distribución normal (o ligeramente platicúrtica en su cuerpo principal), pero el repunte en edades muy altas es un rasgo particular.
Cuartiles (Q1, Q3, IQR):
Confirman el fuerte enfoque en menores de edad para reclutamientos (el 75% de las víctimas tienen menos de 18 años).
Para desapariciones y homicidios, el 50% central de las víctimas se concentra entre la adolescencia tardía/adultez temprana y la adultez media (aproximadamente 17-39 años para desapariciones y 21-41 para homicidios).
Para secuestros, el 50% central abarca un rango más amplio de la vida adulta (aproximadamente 23-52 años).
Outliers (Cajas de Bigotes):
Reclutamiento es el que presenta la mayor cantidad y la mayor dispersión de outliers en edades avanzadas, lo que es sorprendente y merece una investigación más profunda sobre la naturaleza de esos casos.
Homicidios también muestra outliers en edades avanzadas.
Secuestros tiene al menos un outlier muy notable en edad avanzada, que coincide con el pico en la última categoría del histograma.
CONCLUSIÓN
A partir del análisis estadístico de las principales manifestaciones del conflicto armado en Colombia —homicidios, desapariciones, secuestros y reclutamientos— se pueden extraer las siguientes conclusiones fundamentales:
El conflicto armado colombiano se manifestó de forma intensiva: tanto en el tiempo como en el territorio nacional. Las formas más crudas de violencia alcanzaron sus picos más críticos entre los años 1997 y 2005, evidenciando un periodo particularmente sangriento y complejo en la historia reciente del país. Por un lado los homicidios y secuestros evidenciaron incrementos graduales desde los años 80, con máximos alrededor del año 2000. Las desapariciones también alcanzaron cifras alarmantes hacia 2002, mientras que el reclutamiento forzado mostró su punto más alto en 2001. Aunque a partir de 2006 se observa una reducción progresiva en las cifras, las consecuencias del conflicto persisten.
Geográficamente, el conflicto se concentró en departamentos específicos, con Antioquia liderando en casi todas las formas de violencia analizadas. Otros departamentos como Meta, Caquetá, Valle del Cauca, Cauca y Norte de Santander también se identifican como epicentros, coincidiendo con zonas históricas de confrontación armada, economías ilícitas y débil presencia institucional.
La violencia afectó de manera desproporcionada a ciertas franjas, donde los adolescentes fueron especialmente vulnerables a desapariciones y reclutamientos, mientras que los adultos jóvenes (20-24 años) concentraron la mayor parte de los homicidios. El secuestro afectó más a adultos entre 30 y 40 años. Además, resulta especialmente alarmante la alta incidencia de violencia sobre menores de edad.
El análisis por sexo mostró una afectación principalmente masculina, con más del 90% de las víctimas de homicidio siendo hombres. Sin embargo, en el delito de reclutamiento, la proporción de mujeres víctimas fue la más alta comparativamente (31.8%), revelando un patrón de vulnerabilidad que merece especial atención.
En términos étnicos, aunque la población mestiza fue la más afectada en cifras absolutas, los grupos indígenas y NARP (Negros, Afrocolombianos, Raizales y Palenqueros) fueron desproporcionadamente impactados en el delito de reclutamiento forzado, lo cual pone de manifiesto desigualdades estructurales y dinámicas de exclusión histórica.
Los actores armados tuvieron responsabilidades diferenciadas según el delito. Los grupos paramilitares fueron los principales responsables de homicidios y desapariciones, mientras que las FARC-EP se consolidaron como el principal actor en reclutamientos y secuestros. Esta diferenciación evidencia las diversas lógicas de guerra aplicadas: eliminación, intimidación, control territorial y financiación. Las distintas formas de violencia mencionadas anteriormente no fueron aleatorias, sino que respondieron a estrategias sistemáticas por parte de los actores armados. Los homicidios reflejan una lógica de eliminación del enemigo, las desapariciones una estrategia de control social e intimidación, los secuestros un medio de financiación y presión política, y el reclutamiento, una táctica para fortalecer las filas y controlar territorio.
En síntesis, el conflicto armado colombiano no solo dejó una profunda huella cuantificable en términos de víctimas, sino que reveló patrones consistentes de violencia estructural, con impactos diferenciados por territorio, edad, sexo y etnia. La comprensión de estas dinámicas es esencial para el reconocimiento de las víctimas, la memoria histórica y la formulación de políticas de reparación y no repetición.